问财量化选股策略逻辑
本选股策略为：在元宇宙行业中，选择前25天内有涨停且500日内至少2次涨停的个股。
选股条件为：元宇宙,前25天有涨停,500日内至少2次涨停。
选股逻辑分析
本选股策略通过前25天的涨停情况和过去500日的涨停情况筛选出市场关注度较高的股票，考虑投资者的短期交易需求和热度特征。选股逻辑更加倾向于选股短期波动性大、热度较高的股票。
有何风险？
本选股策略存在以下风险：
- 只依赖于过去500天内的涨停情况筛选股票，可能会出现因为热度过早消退，而错失市场拐点上涨机会的情况。
- 只考虑在元宇宙行业中选股，同时可能存在行业内波动性过大导致的风险。
- 短期的市场热度过高，而导致选出的股票热度消退，缺乏长期的价值投资考虑。
如何优化？
为了提高本选股策略的绩效和可靠性，可以：
- 在股票选择方面，可以考虑综合多种指标，如技术面、基本面、市场热度等，以便更准确地选股和建立投资组合。
- 配置股票组合时，应该考虑到全面多样性。本选股策略在排除了ST板块、500日内至少2次涨停的股票后，仍然缺乏其他方面的指标和基本面指标。
- 延长选股周期，适当采用较长的历史数据，结合长期的价值投资考虑，以辅助确认股票的价值和趋势。
最终的选股逻辑
在元宇宙行业中，选择前25天内有涨停且500日内至少2次涨停的个股，以确定买入时间和买点。
选股条件为：元宇宙,前25天有涨停,500日内至少2次涨停。
同花顺指标公式代码参考
TDX_HHV(MAX(HIGH,REF(HIGH,1)),500),TDX_COUNT(CLOSE>=REF(CLOSE,1)&REF(CLOSE,1)<REF(CLOSE,2),500)>=2
python代码参考
import pandas as pd
from typing import List
import numpy as np
def select_stocks(data: pd.DataFrame, days_before: int) -> List[str]:
df = data.copy()
today = df.index.get_level_values('date').unique()[-1]
select_df = []
sub_df = df.loc[today]
sub_df = sub_df[sub_df['非ST涨停板'] == 1]
sub_df['count'] = sum(sub_df['close'] >= sub_df['close'].shift(1), axis=0)
sub_df = sub_df[sub_df['count'] >= 2]
sub_df = sub_df[sub_df['前25天涨停日期'].apply(lambda x: x != [])]
select_df = sub_df['code'].unique().tolist()
return select_df
## 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。
