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，换手率在3%-12%之间。
选股逻辑分析
该选股策略的选股条件主要包括：
- 选择元宇宙行业中的股票，因为这些企业可能受到元宇宙行业内用户需求的影响，具有潜在的成长性；
- 股票均价站在五日均线之上，反映了股票的价格上涨趋势；
- 换手率在3%-12%之间，说明这些股票有一定的交易活跃度，能够保证资金的流动性。
有何风险？
- 该选股策略在选股时刻依赖于股票的交易活跃度，可能存在高风险的股票；
- 过于注重短期的技术指标，容易错过潜在的投资机会；
- 选股条件过于单一，可能会忽略其他重要的股票信息。
如何优化？
- 可以结合其他图表模式、技术指标、基本面分析等进行深入技术分析，增加股票的透明度；
- 可以加入其他选股条件，例如PE、PB、ROE等财务指标、KDJ、CCI等技术指标，以及其它可能的因素；
- 可以增加限制条件，例如市值、行业排名等，在优化选股结果的同时规避投资风险。
最终的选股逻辑
该选股策略选择元宇宙行业中，股票均价站在五日均线之上，并且股票的换手率在3%-12%之间。
具体选股条件为：元宇宙行情为GNXQ，股票均价站在五日均线之上可以通过计算五日均价和股票的收盘价比较。换手率在3%-12%之间可以通过股票的换手率比较和限制筛选。
例如：
INDUSTRYIDB(2859,GNXQ) AND MA(C,5) > MA(C,5)[1] AND (TURNOVER > 0.03 AND TURNOVER < 0.12)
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)
- 换手率：TURNOVER
在通达信中，可以使用如下指标代码：
MA(C,5) > MA(C,5)[1] AND (TURNOVER > 0.03 AND TURNOVER < 0.12)
Python代码参考
import pandas as pd
import tushare as ts
import talib
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='SZSE', list_status='L', fields='ts_code, name, industry, list_date, total_share, float_share, market_cap, pe, pb, area')
data1['ipo_date'] = pd.to_datetime(data1['list_date'])
data1 = data1[data1['industry'].str.contains('元宇宙') & (data1['list_status'].isin(['L', 'N']))]
data2 = ts.pro_bar(ts_code='', adj='qfq', start_date='20220101', end_date='20220501', ma=[5])
data3 = data2[data2['close'] > data2['ma5']]
data4 = ts.pro_bar(ts_code='', adj='qfq', start_date='20220501', end_date='20220502')
data5 = data4[(data4['turnover_rate'] > 0.03) & (data4['turnover_rate'] < 0.12)][['ts_code', 'name']]
return pd.merge(data5, data3, on=['ts_code', '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。
