问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形态、股价为18.5元。
选股逻辑分析
该选股逻辑除了元宇宙行业和圆弧形态外，加入了股价为18.5元的要求。这可能意味着选股者认为18.5元是一个相对合适的低估价。同时，该选股逻辑简单明了，适合初级投资者。
有何风险？
该选股逻辑偏重于技术面和市场热点，忽略了公司的长期基本面因素。股价的选取也需要谨慎，涉及股价分析和判断的风险相对较高。
如何优化？
可以进一步筛选股价相对历史最低价/最高价的比值来代替固定股价的选取，以增强选股逻辑的准确性和稳健性。同时，也可以加入其他技术分析指标，如均线、MACD、KD等，进行反复验证，增强选股逻辑的有效性和稳定性。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形态、股价相对历史最低价/最高价的比值。
同花顺指标公式代码参考
元宇宙行业可以通过万德或通联数据获取，也可以自行定义股票所属行业。
圆弧形态无默认指标公式，需要根据市场自行定义。
选股逻辑中的股价相对历史最低价/最高价的比值，可以通过通达信数据源获取。
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义圆弧形态
data['CIR'] = abs(data['high'] - data['low']) / data['close'].shift(1) * 100
return data
def hot_sector_strategy(data):
# 筛选符合条件的股票
conditions = [
(data['industry'] == '元宇宙'), # 所属行业为元宇宙
(data['close'] / data['close'].rolling(window=60).min() <= 1.05) # 股价相对历史最低价/最高价的比值
(data['CIR'] >= data['CIR'].shift(1)) # 圆弧形态自定义指标上升
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_stock_data():
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
selected_data = hot_sector_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_stock_data())
该代码与前一个选股逻辑的代码基本相同，在此基础上加入了对股价相对历史最低价/最高价的比值的筛选条件。通过rolling函数计算历史股价最低价，再与当前股价计算比值。比值小于等于1.05则符合条件。需要注意控制代码的效率。
## 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。
