问财量化选股策略逻辑
该选股策略包括三个条件：元宇宙、昨日股价大于250日均线、10天内涨停天数大于2。通过筛选出符合条件的股票进行投资。
选股逻辑分析
该选股策略主要通过以下三个条件进行选股：
- 元宇宙：选择热门板块中的个股。
- 昨日股价大于250日均线：判断个股目前的价格是否较稳定且接近长期均线。
- 10天内涨停天数大于2：判断个股短期内的表现是否较为优异，为后续投资提供参考依据。
综合以上三个条件，选择符合要求的个股进行投资。
有何风险？
- 过度依赖短期涨幅，可能会出现庄家操纵股价的情况，对投资收益造成影响。
- 忽略了个股潜在的风险点，如公司财务状况、行业发展前景等，对投资决策带来不确定性。
如何优化？
- 筛选条件需要更加全面、多元化，注重多方面的财务和业绩指标，以减少误判和漏判。
- 应充分考虑市场趋势、经济形势等宏观因素的影响，合理搭配和配置股票投资组合。
- 多角度进行风险评估，充分了解个股的风险点，科学制定投资策略和风控方案。
最终的选股逻辑
该选股策略选择元宇宙板块中，股票均价站在250日均线之上，近10天中涨停的天数不少于2天的股票进行投资。
同花顺指标公式代码参考
元宇宙：GNBK("gnxq")
昨日股价大于250日均线：C >= MA(250)
10天内涨停天数大于2：REF(LIMITUP(),1)+REF(LIMITUP(),2)>=2
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有元宇宙板块中的个股
gnxq = pro.index_basic(
fields='category',
identifying_code='9650',
market='SSE'
)
gnxq_stocks = gnxq.loc[gnxq['category'] == 'GN023']
data_selected = pd.DataFrame()
for code in gnxq_stocks['con_code']:
df = pro.query('daily', ts_code=code, fields='trade_date, close')
limit_up_count = len(df.tail(10).loc[df['close'] == df['close'].shift(-1)*1.1])
if len(df) >= 250 and df.iloc[-1]['close'] >= df['close'].rolling(250).mean()[249] and limit_up_count >= 2:
_basic = pro.query(
'stock_basic',
ts_code=code,
fields=['name', 'industry', 'exchange', 'list_date']
)
if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
(_basic['list_date'].values[0] <= '20220101'):
data_selected = data_selected.append(
df.tail(1).assign(name=_basic['name'].values[0], industry=_basic['industry'].values[0])
)
data_selected = data_selected.sort_values(by=['close'], ascending=False)
return data_selected[['name', 'industry']]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
