(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、PE>0

问财量化选股策略逻辑

该选股策略包括三个条件：元宇宙、昨日股价大于250日均线、PE大于0。通过筛选出符合条件的股票进行投资。

选股逻辑分析

该选股策略主要通过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接近长期均线及相对稳定。
3. PE大于0：判断个股的估值水平是否低于市场平均估值水平，即符合投资价值基本原则。

综合以上三个条件，选择符合要求的个股进行投资。

有何风险？

1. 只考虑PE估值水平，而忽略了其他基本面因素，可能导致选出低估但业绩不佳的个股，存在一定的风险。
2. 过于依赖市场情绪，存在一定的风险。

如何优化？

1. 可以结合其他基本面因素，如营收、净利润、资产质量等，以综合评估个股的投资价值。
2. 根据不同市场情况和投资风格，可以设置不同的PE估值阈值，以更好地匹配个人的投资需求。
3. 引入技术指标，如MACD、KDJ等，以辅助选股决策。

最终的选股逻辑

该选股策略选择元宇宙板块中、股票均价站在250日均线之上、PE大于0的个股作为投资目标。

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)

PE大于0：PE > 0

Python代码参考

import pandas as pd
import tushare as ts
from stockstats import StockDataFrame

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']:
        ts_data = ts.pro_bar(
            ts_code=code,
            adj='qfq',
            start_date='20201101',
            end_date='20220107'
        )

        if len(ts_data) > 1:
            stock = StockDataFrame.retype(ts_data)
            if stock.iloc[-1]['pe'] > 0 and stock.iloc[-1]['close'] >= stock['close'].rolling(250).mean()[249]:
                df = pro.query('stock_basic', ts_code=code, fields=['name'])
                if ('ST' not in df['name'].values[0]):
                    data_selected = data_selected.append(df)

    return data_selected[['name']]

    ## 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)