问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，且股票代码以60开头。
选股逻辑分析
该选股策略的选股条件包括：选择元宇宙行业，股票均价站在五日均线之上，股票代码以60开头。采用这些条件可以更好地筛选元宇宙行业中具有潜力的优质个股。
有何风险？
该选股策略存在以下风险：
-
只选取特定股票代码，忽视了所有未以60开头的个股，可能会错过某些市场表现优异的标的。
-
只考虑五日均线，不能全面反映出股票的趋势走向，不能完全准确地判断该股票的走势。
如何优化？
为了减少选股策略的风险，可以进行如下优化：
-
引入更多的指标进行选股，结合长期和短期表现的因素，提高选股的准确性。
-
加入风险控制的因素，如市盈率、市净率等，避免选取估值过高的股票。
-
去掉股票代码的限制，能够全面考虑市场存在的所有潜在标的。
最终的选股逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价在五日均线之上。
因此，该选股策略去掉了股票代码以60开头的限制，更加全面地考虑市场中的标的。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
目前此选股策略没有独特的指标公式。
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, industry, list_date')
data1_select = data1[(data1['industry']==industry)]
stocks = []
for ts_code in data1_select['ts_code']:
if ts_code[:2] != '60':
continue
data = pro.query('daily', ts_code=ts_code, start_date='20210101', end_date='20220430', fields='ts_code, trade_date, open, close, high, low')
if len(data) < 6:
continue
MA5 = data['close'].rolling(window=5).mean()
if data['close'].iloc[-1] > MA5.iloc[-1]:
stocks.append([ts_code, data['open'].iloc[-1], data['close'].iloc[-1]])
return pd.DataFrame(stocks, columns=['ts_code', 'open', 'close'])
其中，参数industry为所选元宇宙的行业名称。
## 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。
