(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、开盘价在

问财量化选股策略逻辑

选股逻辑包括三个条件：元宇宙、昨日股价大于250日均线、开盘价在十日线左右。通过筛选出符合条件的股票进行投资。

选股逻辑分析

该选股策略主要考虑以下三个条件进行选股：

1. 元宇宙：选择热门板块中的个股。
2. 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。
3. 开盘价在十日线左右：判断个股目前的价格是否处于相对较低的区间。

综合以上三个条件，选择合适的个股进行投资。

有何风险？

1. 过于关注热点板块和近期涨势，可能忽视了个股基本面和长期价值。
2. 考虑到市场波动和筛选条件的限制，选股结果可能出现大量的"淘汰"个股和"闪现"个股，导致策略效果难以保证。
3. 选股条件和策略过于单一，缺乏综合考虑多个指标和宏观经济环境影响的维度，可能使得选股效果不稳定。

如何优化？

1. 综合考虑多个因素进行选股，包括股票价格、股息、市盈率、市净率等财务指标，以及行业和公司基本面等因素。
2. 研究和了解宏观经济和行业发展趋势，寻找具有长期潜力的公司和行业。
3. 选股指标应具有客观性、科学性和可操作性，避免主观干扰和误判。
4. 建立严格的风险控制机制，有效控制投资风险。
5. 加入资金安全筛选条件，避免投资风险。

最终的选股逻辑

该选股策略选择元宇宙板块中，昨日股价大于250日均线，且开盘价在十日线左右的个股进行投资。

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)

开盘价在十日线左右：

// 开盘价在十日线左右
CONDITIONS.OPEN_PRICE = (O > MA(C, 10) * 0.97) & (O < MA(C, 10) * 1.03);

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, high, low, open, pct_chg, vol, amount')
        if len(df) < 2:
            continue
        if (df.iloc[-2]['close'] >= df['close'].rolling(250).mean()[249]) and (
                    df.iloc[-1]['open'] > df['close'].rolling(10).mean()[9] * 0.97) and (
                    df.iloc[-1]['open'] < df['close'].rolling(10).mean()[9] * 1.03):
            _basic = pro.query(
                'stock_basic',
                ts_code=code,
                fields=['name', 'industry', 'exchange', 'list_date', 'market_cap']
            )
            if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                    (_basic['list_date'].values[0] <= '20220219') and (_basic['market_cap'].values[0] < 5000000000):
                data_selected = data_selected.append(
                    df.tail(1).assign(
                        name=_basic['name'].values[0],
                        industry=_basic['industry'].values[0],
                        market_cap=_basic['market_cap'].values[0],
                    )
                )

    data_selected = data_selected.sort_values(by=['amount'], ascending=False)
    return data_selected[['name', 'industry', 'market_cap']]

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)