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，30日平均线向上。
选股逻辑分析
该选股逻辑基于元宇宙、圆弧形形态、30日平均线向上三个条件，旨在挖掘具有趋势性的标的。30日平均线向上可以跟踪较长时间的趋势，而圆弧形态可以一定程度上反映股票的当前状态。
有何风险？
该选股逻辑存在盲目跟从趋势的风险，如果市场出现大幅波动或者市场特殊情况，如疫情等，跟随策略难免会出现失效的情况。
如何优化？
为了降低因市场波动等因素产生的风险，可以增加其他技术指标和基本面判断，如成交量、市值、资金流入等因素，同时可以考虑采用动态调整的方式，随时根据市场变化进行调整。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、30日平均线向上、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 C > MA(C, 30), CODE)
其中，筛选出元宇宙行业、圆弧形形态的股票，并选择当日数据，以判断当日收盘价、30日平均线的关系。
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']
today_data = ts.get_today_all()
signal_data = today_data[(today_data['open'] > today_data['low'].shift(1)) & (today_data['industry'] == '元宇宙')]
signal_data = signal_data.merge(gg_stocks[['code', 'name', 'industry', 'pe']], on='code')
arc_shape = []
for code in signal_data['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_data['arc_shape'] = arc_shape
res = signal_data[signal_data['arc_shape']]
ma_signal = []
for code in res['code']:
df = ts.get_k_data(code)
if len(df) >= 30:
if df.iloc[-1]['close'] > df['close'].rolling(window=30).mean().iloc[-1]:
ma_signal.append(True)
else:
ma_signal.append(False)
else:
ma_signal.append(False)
res['ma_signal'] = ma_signal
final_res = res[res['ma_signal']]
return final_res
print(get_stock_data())
通过股票代码和当日的开盘价、收盘价、昨日最低价等数据，筛选出符合条件的股票信息，其中包括元宇宙行业、开盘价高于昨日最低价且当日收盘价高于昨日最低价、流通市值在10亿到50亿之间、圆弧形形态、30日平均线向上。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。
