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，价格＜12。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低估值的标的。
选股逻辑分析
该选股策略选股时综合基本面和技术面进行考虑，选择行业中技术指标比较优秀且当前股价低于12元的标的。这一策略不仅关注技术面，也充分考虑评价标的的基本估值，比较符合投资者寻求长期低风险回报的要求。
有何风险？
该选股策略存在以下风险：
- 可能会忽略一些技术上出现金叉但是股价低于12元的标的；
- 当行业整体热度下降时，股票的上涨空间可能会受到限制，下跌的风险相对较高。
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：
- 引入基本面和更多的财务指标参考，分析行业及标的基本面情况；
- 结合宏观经济环境、行业发展趋势等因素参考更多因素进行策略构建；
- 定期更新策略，对策略进行优化。
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且股价低于12元的股票。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础估值优势。
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))
- 基本面指标：股价<12
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):
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['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']) & (df['close']<12)]
return df[['ts_code', 'name', 'industry', 'close']]
industry = '元宇宙'
df = stock_selector(industry)
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股价低于12元的所有股票信息。
## 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。
