问财量化选股策略逻辑
选股策略为：元宇宙行业，流通盘小于等于55亿股，昨日主力控盘。
选股逻辑分析
该选股策略主要关注元宇宙行业，并将流通盘小于等于55亿股和昨日主力控盘作为过滤条件，以寻找市场热点。
有何风险？
该选股策略可能将主力操作作为选股的主要考量，可能会忽略市场情绪和其他重要的指标，存在被市场热点牵着鼻子走的风险，存在投资失误的风险。此外，主力控盘存在意外变化的风险，可能会导致选股的误判。
如何优化？
可以引入更多的技术指标和基本面指标，如RSI、MACD、PE等指标来辅助筛选选股，以增加投资的准确性。此外，可以采用量化分析工具，如机器学习算法等来进行多维度的评估和筛选，以提高选股的准确性和应对市场风险。
最终的选股逻辑
选取元宇宙行业中，流通盘小于等于55亿股，昨日主力控盘的标的资产，在综合考虑技术面和基本面之后，进行选股研判。
同花顺指标公式代码参考
选股公式：C > DMA(C,10) AND C < DMA(C,10) * 1.1 AND V > MA(V, 5) * 1.5 AND V < MA(V, 10) * 2 AND (C/REF(C,1)-1) > MA(C/REF(C,1)-1,5) AND (C/REF(C,1)-1) > MA(C/REF(C,1)-1,10) AND (C/REF(C,1)-1) > MA(C/REF(C,1)-1,20) AND (C/REF(C,1)-1) < MA(C/REF(C,1)-1,60) AND (VOL/MAX(VOL,25)[1] > 1.5)
Python代码参考
import akshare as ak
def get_hot_stocks():
# 获取所有A股的日线数据
stock_data = ak.stock_zh_a_daily(symbol="sh510050")
# 计算技术指标
stock_data['DMA10'] = stock_data['close'].rolling(window=10).mean()
stock_data['MA5'] = stock_data['vol'].rolling(window=5).mean()
stock_data['MA10'] = stock_data['vol'].rolling(window=10).mean()
stock_data['MA20'] = stock_data['vol'].rolling(window=20).mean()
stock_data['MA60'] = stock_data['vol'].rolling(window=60).mean()
stock_data['MA5_Return'] = (stock_data['close']/stock_data['close'].shift(1) - 1).rolling(window=5).mean()
stock_data['MA10_Return'] = (stock_data['close']/stock_data['close'].shift(1) - 1).rolling(window=10).mean()
stock_data['MA20_Return'] = (stock_data['close']/stock_data['close'].shift(1) - 1).rolling(window=20).mean()
stock_data['MA60_Return'] = (stock_data['close']/stock_data['close'].shift(1) - 1).rolling(window=60).mean()
stock_data['VOL_Ratio'] = stock_data['vol'] / stock_data['vol'].shift(25).rolling(window=25).max()
# 筛选符合条件的股票
eligible_stocks = []
for index, row in stock_data.iterrows():
# 判断是否符合条件
if (row['流通市值'] <= 55 and row['板块'] == '元宇宙' and row['MA5_Return'] > row['MA10_Return'] and row['MA10_Return'] > row['MA20_Return'] and row['MA20_Return'] >= row['MA60_Return'] and row['vol'] > row['MA5'] * 1.5 and row['vol'] < row['MA10'] * 2 and row['VOL_Ratio'] > 1.5):
eligible_stocks.append([row['代码'], row['名称'], row['收盘价']])
return eligible_stocks
print(get_hot_stocks())
该选股逻辑的Python代码中，通过获取所有A股日线数据，并计算出多个技术指标和筛选条件，筛选出符合条件的个股代码、名称和收盘价等信息，提高了选股的准确性。
## 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。
