问财量化选股策略逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”以及酷特智能早晨之星的股票。
选股逻辑分析
该选股策略主要考虑元宇宙主题股中，具有良好的上涨动能，收盘价比昨日的最低价更高。同时，通过筛选出表现出酷特智能早晨之星迹象的股票，也能较好地反映出该股票的意外供需关系，表明该股的中长期走势可能佳，具备较好的投资潜力。
有何风险？
- 酷特智能早晨之星迹象较为主观，具有一定的解释性，可能导致选股结果产生误差；
- 该选股方法也存在受市场风格影响的风险，如果市场风格发生改变，选股策略可能会失效。
如何优化？
- 可以进一步考虑加入其他技术指标，例如KDJ、MACD等，以综合评估股票价格走势的方向性和力度，提高选股策略的准确性；
- 可以结合股票财务指标、行业趋势等因素来进行选股，以更好地评估股票投资价值，提高选股策略的有效性。
最终的选股逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”以及酷特智能早晨之星的股票。建议在使用时，结合其他技术指标和基本面因素，全面分析股票的上涨动能和投资价值，从而提高选股策略的可靠程度和有效性。
同花顺指标公式代码参考
元宇宙: SELECTEDINDUSTRY("gnxq")
收盘价大于昨日的最低价: CLOSE > REF(LOW, 1)
酷特智能早晨之星指标:
IF((OPEN - REF(CLOSE, 1)) / REF(CLOSE, 1) >= 0.02 AND (CLOSE - OPEN) / (HIGH - LOW) >= 0.6 AND REF(CLOSE, 1) > REF(OPEN, 1) AND OPEN < CLOSE AND CLOSE < LOW, 1, 0)
python代码参考
import pandas as pd
import numpy as np
# 酷特智能早晨之星指标
def cool_star(df):
condition1 = (df['open'] - df['close'].shift(1)) / df['close'].shift(1) >= 0.02
condition2 = (df['close'] - df['open']) / (df['high'] - df['low']) >= 0.6
condition3 = df['close'].shift(1) > df['open'].shift(1)
condition4 = df['open'] < df['close']
condition5 = df['close'] < df['low']
df['star'] = np.where(condition1 & condition2 & condition3 & condition4 & condition5, 1, 0)
return df
# 选股策略
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].str.contains("元宇宙")
condition2 = df['close'] > df['low'].shift(1)
condition3 = df['star'] == 1
# 根据筛选条件进行选股
selected = df[condition1 & condition2 & condition3]
# 设定灵活的买卖策略
# 示例代码：定期调整仓位
selected['position'] = 1 / len(selected)
# 示例代码：加入止损点
selected['stop_loss'] = selected['low'].rolling(10).min() * 0.98 # 10日内最低价的98%作为止损点
return selected
## 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。
