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，资金强度由大到小。
选股逻辑分析
该选股策略综合考虑了行业、形态以及资金流向等因素，筛选出符合条件的元宇宙圆弧形态资金强度较高的股票，可以在一定程度上提高选股命中率。
有何风险？
该选股逻辑的风险在于仅关注了资金流向因素，忽略了公司基本面、行业前景等因素的影响，可能导致选股后阶段表现不佳。同时，资金流向的变化较为频繁，需要及时调整选股逻辑。
如何优化？
可以在原有逻辑基础上加入其他的技术指标或者基本面因素，例如MACD、RSI、PE、PB等指标，更全面地评估股票的综合表现。同时加入行业前景、技术发展等因素，确保选股策略更加全面、科学、合理。
最终的选股逻辑
选股逻辑为：元宇宙行业，圆弧形形态，资金流向较强，同时考虑股票的基本面、技术面以及行业发展前景等因素。
同花顺指标公式代码参考
通达信代码：
SORT(VOL,5)(CLOSE-OPEN)/(HIGH-LOW) > REF(SORT(VOL,5)(CLOSE-OPEN)/(HIGH-LOW),1)
其中，SORT(VOL,5)表示资金流向比例，并将其和成交量的5日平均值相乘，判断条件为前一天的资金强度比当前的大。
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']
df_today = ts.get_today_all()
df_today = df_today[df_today['code'].isin(gg_stocks['code'])][['name', 'code', 'industry', 'sstype', 'vol']]
# 选出圆弧形形态和资金流向较强的股票
df_today = df_today.sort_values(by=['vol'], ascending=False)
df_today = df_today[(abs((df_today['high']-df_today['open'])/df_today['open']) > 0.01)
& (abs((df_today['low']-df_today['open'])/df_today['open']) > 0.01)
& (abs((df_today['high']-df_today['low'])/df_today['open']) > 0.03)
& (SORT(df_today['vol'].rolling(window=5).mean()*((df_today['close']-df_today['open'])/(df_today['high']-df_today['low'])), 5) > REF(SORT(df_today['vol'].rolling(window=5).mean()*((df_today['close']-df_today['open'])/(df_today['high']-df_today['low'])), 5), 1))]
# 选出符合条件的股票
res = df_today[['name', 'code', 'industry']]
return res
print(get_stock_data())
## 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。
