问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形形态、振幅大于1的股票。
选股逻辑分析
该选股策略主要关注于技术面因素，通过振幅和形态等指标挖掘具备一定走势潜力的个股。但是该逻辑缺少基本面等因素的考虑，存在选股偏颇的风险。
有何风险？
该选股逻辑风险同样来自于忽略了股票的基本面和价值等因素，且只关注于技术面指标，尤其是单一的圆弧形态和振幅的相对大小容易带来选股偏颇的风险。同时，圆弧形态的识别也受到人为主观因素的影响，存在误判的情况。
如何优化？
可以综合考虑技术面和基本面等因素，形成多维度的选股策略，综合考虑股票的短期和长期表现，提高选股的准确性和可操作性。此外，可以引入主力资金和市场情绪等指标，相互印证，形成更加完善的选股模型。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、振幅大于1的股票。
同花顺指标公式代码参考
通达信代码：
SELECT STOCK_CODE FROM XXX WHERE
HY = 'C010103'
AND ABS((HIGH-OPEN)/OPEN) > 0.01
AND ABS((LOW-OPEN)/OPEN) > 0.01
AND ABS((HIGH-LOW)/OPEN) > 0.01
AND LLV(LOW,30) >= REF(MA(CLOSE,60),1)
AND REF(MA(CLOSE,60),1) >= REF(MA(CLOSE,60),5)
AND LLV(LOW,10) == LOW;
python代码参考
import tushare as ts
def get_stock_data():
gg_stocks = ts.get_zz500s()
gg_stocks = gg_stocks[gg_stocks['industry'] == '元宇宙']
df = ts.get_today_all()
df = df[df['code'].isin(gg_stocks['code'])]
# 选出振幅大于1的股票
df = df[(abs((df['high']-df['open'])/df['open']) > 0.01)
& (abs((df['low']-df['open'])/df['open']) > 0.01)
& (abs((df['high']-df['low'])/df['open']) > 0.01)]
# 筛选圆弧形形态股票，要求近30个交易日的最低价不低于5日均线，5日均线不低于60日均线
close_ma60 = df['close'].rolling(60).mean()
ref_close_ma60 = close_ma60.shift(1)
low_llv30 = df['low'].rolling(30).min()
df = df[(low_llv30 >= ref_close_ma60)
& (ref_close_ma60 >= ref_close_ma60.shift(4))
& (df['low'].rolling(10).min() == df['low'])]
res = df[['name', 'code', 'industry', 'total_mv', 'pb', 'pe']]
res = res.rename(columns={'total_mv': '总市值', 'pb': '市净率', 'pe': '市盈率'})
return res
print(get_stock_data())
## 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。
