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”以及收盘价处于BOLL(upper)和BOLL(mid)之间的股票。
选股逻辑分析
该选股策略主要考虑元宇宙主题股中，收盘价处于上轨和中轨之间，且股价走势向上，因此具备很好的上涨动能。同时，收盘价大于昨日的最低价，也能较好地反映股票当前的强势程度。该选股方法并未直接考虑公司基本面，但可以通过较好的股价表现，间接反映公司价值状况。
有何风险？
- BOLL指标本身存在滞后性，可能导致选股策略的灵敏度不够，选出来的标的股票可能已经处于过度买入区域；
- 该选股方法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？
- 可以考虑加入其他技术指标，例如相对强弱指数（RSI）等，以衡量股票价格的相对强度，提高选股策略的有效性；
- 可以在选股策略中加入基本面因素，例如公司盈利能力、资产结构等，进一步筛选优质标的。
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”以及收盘价处于BOLL(upper)和BOLL(mid)之间的股票。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，从而减小选股标准的局限性。
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)
BOLL指标: BOLL(CLOSE, 20, 2)
python代码参考
import pandas as pd
import numpy as np
# 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['close'] < df['boll_upper']) & (df['close'] > df['boll_mid'])
# 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。
