(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、连续5年

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑包括三个条件:元宇宙板块中的股票、昨日股价大于250日均线、连续5年ROE>15%。根据这些条件筛选符合条件的股票,进行投资。

选股逻辑分析

该选股策略主要考虑以下三个条件进行选股:

  1. 元宇宙板块中的股票: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相对稳定且接近长期均线。
  3. 连续5年ROE>15%:选择连续5年有较高盈利能力的企业,有望持续获得良好的收益。

综合以上三个条件,选择合适的个股进行投资。

有何风险?

  1. 稳定高ROE可以证明企业盈利能力较高,但也需要考虑企业的业务模式、竞争环境等因素,只有ROE大并不能完全代表企业的投资价值。
  2. 元宇宙板块属于新兴行业,选股风险较高,容易形成市场热点行为导致投资热度过高。
  3. 过度关注单一指标,容易忽略企业的其他方面风险,导致盲目投资。

如何优化?

  1. 选股逻辑中需要加入其他的技术指标和基本面数据进行辅助判断,例如市盈率、市净率等,以全面分析企业的价值和风险。
  2. 在元宇宙板块内要加强行业分析,重点关注行业龙头、行业领先企业,建议加入行业龙头指标进行比较分析。
  3. 建立完善的风险管理和资金管理体系,定期审查和调整投资组合,避免单一个股过度分散持仓,保证资金的有效配置。

最终的选股逻辑

该选股策略选择元宇宙板块中,昨日股价大于250日均线,连续5年ROE>15%的个股进行投资。

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)

连续5年ROE>15%:NBYCQ("e_roe").apply(lambda x: all([i > 15 for i in x[-5:]]))

Python代码参考

import pandas as pd
import tushare as ts

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']:
        _basic = pro.query(
            'stock_basic', 
            ts_code=code,
            fields=['name', 'industry', 'exchange', 'list_date']
        )
        if len(_basic) == 0:
            continue
        if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                (_basic['list_date'].values[0] >= '20210101'):
            df = pro.query(
                'daily',
                ts_code=code,
                fields='trade_date, close, high, low, open, pct_chg, vol, amount'
            )
            if len(df) < 1255:  # 连续5年交易日
                continue
            if NBYCQ("e_roe", ts_code=code).apply(lambda x: all([i > 15 for i in x[-5:]])).values[0] and \
                    (df.iloc[-1]['close'] >= df['close'].rolling(250).mean()[249]):
                df_today = df.tail(1)
                df_today['name'] = _basic['name'].values[0]
                df_today['industry'] = _basic['industry'].values[0]
                df_today['exchange'] = _basic['exchange'].values[0]
                df_today['list_date'] = _basic['list_date'].values[0]
                data_selected = data_selected.append(df_today)

    data_selected = data_selected.sort_values(by=['amount'], ascending=False)
    return data_selected[['name', 'industry', 'exchange', 'list_date']]
    ## 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)
收益&风险
源码

评论