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，周K线上穿30周线。
选股逻辑分析
该选股逻辑基于元宇宙、圆弧形形态，并关注股票在周K线上的走势，以周K线上穿30周线为判断标准。该逻辑可以判断出股票的长期趋势，并筛选出具有成长性的标的。
有何风险？
该选股逻辑的风险在于，仅仅基于周K线上的走势，不能完全反映股票本身的价值，股票可能存在其他风险因素。另外，圆弧形形态的判断需要较强的专业知识和股票分析能力。
如何优化？
为了减少盲目投资的风险，优化该选股逻辑需要增加其他技术指标和基本面因素的判断。如KDJ指标、股票平均线、市盈率以及公司财务情况等。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、周K线上穿30周线、同时关注股票的基本面信息。
同花顺指标公式代码参考
通达信代码：
SELECT(MARKET='1' AND YELLOW(CORNER(TEXTP(低)黄)) AND DAY() = 5 AND CROSS(C, MA(C, 30)), CODE)
其中，筛选出元宇宙行业、圆弧形形态的股票，并选取周五数据，以判断周K线上穿30周线。
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']
week_data = ts.get_k_data('000001', ktype='W')
signal_data = week_data[(week_data['close'] > week_data['ma30']) & (week_data['close'].shift(1) < week_data['ma30'].shift(1))]
signal_stocks = ts.get_realtime_quotes(signal_data['code'].tolist())
signal_stocks = signal_stocks.merge(gg_stocks[['code', 'name', 'industry', 'pe']], on='code')
arc_shape = []
for code in signal_stocks['code']:
df = ts.get_k_data(code)
if len(df) >= 10:
if max(df.iloc[-3:]['close']) == df.iloc[-2]['close'] and min(df.iloc[-3:]['close']) == df.iloc[-1]['close']:
arc_shape.append(True)
else:
arc_shape.append(False)
else:
arc_shape.append(False)
signal_stocks['arc_shape'] = arc_shape
res = signal_stocks[signal_stocks['arc_shape']]
return res
print(get_stock_data())
通过股票代码和周K线上的开盘价、收盘价、30周线等数据，筛选出符合条件的股票信息，其中包括元宇宙行业、周K线上穿30周线、流通市值在10亿到50亿之间、圆弧形形态。最终筛选出符合所有条件的股票。
## 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。
