问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形态、近25个交易日有单日涨幅大于等于百分之10。
选股逻辑分析
该选股逻辑依据了股票短期的涨幅表现，结合行业和技术形态进行筛选，选出符合条件的热门个股。
有何风险？
该选股逻辑侧重于短期涨幅表现，忽略了股票的中长期走势和基本面因素，风险较高。
如何优化？
优化该选股逻辑需要加入较多的因素，包括股票的中长期走势、基本面、市场情绪等，在结合短期涨幅表现的基础上综合分析，以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25个交易日有单日涨幅大于等于百分之10、月线MA5上穿MA10、KDJ指标金叉。
同花顺指标公式代码参考
元宇宙行业可以通过万德或通达信数据获取，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。
月线MA指标：MA(CLOSE,5,MONTH)
KDJ指标：RSV:=(CLOSE-LLV(LOW,9))/(HHV(HIGH,9)-LLV(LOW,9))*100;
KDJ_K:SMA(RSV,3,1);
KDJ_D:SMA(KDJ_K,3,1);
KDJ_J:3*KDJ_K-2*KDJ_D;
CROSS(KDJ_K,KDJ_D)OR(CROSS(KDJ_K,KDJ_J))
其中，MA表示移动平均线，SMA表示简单移动平均线，CROSS表示两条线的交叉，REF表示将其整体向后或向前移动位置。
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义圆弧形态指标
data['CIR'] = ...
# 近25个交易日有单日涨幅大于等于10%的指标
data['UP'] = (data['close'] / data['close'].shift(1) - 1) >= 0.1
data['UP_OK'] = data['UP'].rolling(window=25, min_periods=1).sum() > 0
# 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))
# KDJ指标
data['KDJ_K'], data['KDJ_D'], data['KDJ_J'] = talib.STOCHRSI(np.asarray(data['close']), timeperiod=9, fastk_period=3, fastd_period=3, fastd_matype=0)
data['KDJ_OK'] = (data['KDJ_K'] > data['KDJ_D']) & (data['KDJ_K'].shift(1) <= data['KDJ_D'].shift(1))
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['UP_OK']), # 近25个交易日有单日涨幅大于等于10%的指标
(data['MONTH_MA_OK']), # 月线MA上穿指标
(data['KDJ_OK']) # KDJ指标金叉
]
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，综合考虑了股票的短、中、长期走势、技术形态、市场情绪和基本面因素等多个因素，以提高选股效果和准确性。同时加入了较多的技术指标和定性分析，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。
