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：股票均价在五日均线之上，价格低于12元。
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，股票均价在五日均线之上，价格低于12元。
选择元宇宙行情，主要是为了选择当前热门的行业。股票均价在五日均线之上，说明当前价格正在上涨。价格低于12元，可以选择低估值的股票。
但需要注意的是，这里的低于12元是一个定值，可能存在误差，并不能绝对对股票的价值进行衡量。
有何风险？
该选股策略存在以下风险：
-
过于依赖技术面的因素，而可能忽略了基本面的重要性；
-
价格低于12元并不能绝对说明股票的低估，可能存在其它的风险；
-
对于元宇宙行业中的不同标的，其估值方式可能不同，无法作为统一标准进行衡量。
如何优化？
为了减小选股策略的风险，可以进行如下优化：
-
加入一些基本面指标，如市盈率、市净率、ROE等，对选出的标的股票做出更全面的分析；
-
对于不同标的进行不同的估值分析，分别制定相应的低价位标准。
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：股票均价在五日均线之上，价格低于所属标的的低位价位。
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；
- 价格低于所属标的的低位价位。
因此，该选股策略需要根据具体标的进行更为细致的估值分析，最终实现依据市场情况进行具体调整的选股策略。
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)
- 价格低于12元：C<12
因此，该选股的最终选股公式为：
GNBK('gnxq') AND (C > MA(C,5)) AND (C<12)
其中，C表示股票的收盘价，MA表示股票的移动平均线。
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(date):
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, circ_mv, pe, pb, roe')
data2 = pro.daily_basic(trade_date=date, fields='ts_code, close')
data_merge_1 = pd.merge(data1, data2, on='ts_code', how='inner')
data_merge_2 = data_merge_1.groupby('industry').apply(lambda x: x[(x['close']<12)&(x['close'] > x['close'].rolling(window=60).mean())])
data_merge_3 = data_merge_2.reset_index(level=0, drop=True).reset_index()
data5 = data_merge_3[['ts_code', 'name']]
return data5
## 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。
