问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，且具有特定的企业性质。此选股条件结合了技术面和基础面的考虑，旨在选择具有良好上涨趋势和符合投资人风险偏好的标的。
选股逻辑分析
该选股策略在基于技术面的基础上，进一步考虑企业性质对股价走势可能产生的影响。在元宇宙行业中，选择技术面表现较好，同时企业性质符合策略要求的个股。这一策略关注技术面的同时，也考虑产业周期和概念热度对企业经营的影响。
有何风险？
该选股策略存在以下风险：
- 策略受到市场因素和行业热度的影响较大；
- 企业财务状况、政策变化等因素也会对股票走势产生影响；
- 容易忽略某些股票，例如优秀的技术面指标但未满足企业性质筛选条件的股票。
如何优化？
为减少选股策略的风险和提高选股成功率，可以考虑以下优化方法：
- 增加对企业基本面的考察，包括财务指标、政策环境等因素；
- 设计更为严谨的股票池筛选方法，考虑不同行业和股票市值因素；
- 系统性地进行回测和持续优化，并关注策略的运作情况。
最终的选股逻辑
综合以上分析，可以得出一个完善的选股逻辑：选择元宇宙行业中，在三个技术指标同时金叉的公司中，选择企业性质符合策略要求的个股。此选股条件对技术面和基本面进行综合考虑，以选出的标的具有较强的上涨趋势预期和基本面优势。
具体的选股条件为：
- 元宇宙行情：GNBK('gnxq')
- 技术指标：CROSS(MACD(12,26,9), MACDSignal(12,26,9))、CROSS(MA(5), MA(10))、CROSS(MA(5), MA(20))
- 企业性质：选取指定类型的公司
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 技术指标：MACD(12,26,9)、MACDSignal(12,26,9)、MA(5)、MA(10)、MA(20)
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry, property):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(list_status='L', exchange='', \
fields='ts_code,symbol,name,area,industry,list_date')
df = df[(df['industry']==industry) & (df['market']=='主板') & (df['list_status']=='L') & (df['conmebt_type']==property)]
df['ma_5'] = ts.SMA(df['close'], timeperiod=5)
df['ma_10'] = ts.SMA(df['close'], timeperiod=10)
df['ma_20'] = ts.SMA(df['close'], timeperiod=20)
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df = df[(df['macd']>0) & (df['ma_5']>df['ma_10']) & (df['ma_10']>df['ma_20'])]
return df[['ts_code', 'name', 'industry', 'close']]
industry = '元宇宙'
property = '概念股'
df = stock_selector(industry, property)
print(df.head())
以上代码将返回行业为“元宇宙”且同时满足三个技术指标金叉且企业性质为“概念股”的所有股票信息。
## 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。
