问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形态、昨天3连板。
选股逻辑分析
该选股逻辑主要依据了股票的行业特征和股价走势进行筛选，选出的是近期表现较好的热点股。
有何风险？
该选股逻辑容易受到市场情绪影响，风险较高。同时，过于强调短期走势，有可能误判股票的长期投资价值。
如何优化？
优化该选股逻辑需要加入更多的定量指标和定性分析，综合分析股票的基本面、技术面和市场情绪等多个方面的因素，提高其选股能力和鲁棒性。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形态、近期价量齐升、月线MA5上穿MA10、RSI指标低位拐头上涨。
同花顺指标公式代码参考
月线MA指标：MA(CLOSE,5,MONTH)
RSI指标：RSI(CLOSE,14)
其中，MA表示移动平均线，RSI表示相对强弱指标。
Python代码参考
import akshare as ak
import pandas as pd
import talib
def custom_indicator(data):
# 自定义圆弧形态指标
data['CIR'] = ...
# 近期价量齐升指标
data['PRICE_VOLUME_OK'] = ...
# 月线MA指标
data['MONTH_MA5'] = data['close'].rolling(window=5*22).mean()
data['MONTH_MA10'] = data['close'].rolling(window=10*22).mean()
data['MONTH_MA_OK'] = (data['MONTH_MA5'] > data['MONTH_MA10']) & (data['MONTH_MA5'].shift(1) <= data['MONTH_MA10'].shift(1))
# RSI指标
data['RSI'] = talib.RSI(np.asarray(data['close']), timeperiod=14)
data['RSI_OK'] = (data['RSI'] > 30) & (data['RSI'].shift(1) <= 30)
return data
def hot_stock_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['CIR'] > 0), # 圆弧形态自定义指标
(data['PRICE_VOLUME_OK']), # 近期价量齐升指标
(data['MONTH_MA_OK']), # 月线MA上穿指标
(data['RSI_OK']) # RSI指标低位拐头上涨
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_hot_stocks():
# 获取所有A股
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
# 根据股票代码获取历史交易数据
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
selected_data = hot_stock_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_hot_stocks())
在该选股逻辑的Python代码中，综合考虑了股票的技术形态、市场情绪、基本面等多个方面的因素，以提高选股效果和准确性。同时加入了较多的定量指标和定性分析，进一步提高了选股的效果和筛选能力。
## 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。
