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、收盘价在BOLL指标中的上轨区间，且收盘价高于BOLL指标中的中轨。
选股逻辑分析
该选股逻辑兼具把握行业热点和技术形态，使用BOLL指标确认股票价格在上涨轨道中，并使用价格高于BOLL指标中的中轨确认强势行情，以期寻找较强走势股票。
有何风险？
该选股逻辑使用的是BOLL指标，该指标是一个动态指标，如果股票不符合预期，可以在指标变化后失去技术支撑。同时，BOLL指标中的上轨和中轨都可能由于市场波动产生变化，而导致价格处在错误的入场点。尤其是因价格突破上轨而持有的股票在该指标回调时受到影响较大，需要考虑风险。
如何优化？
可以将技术指标与基本面和公司业绩结合起来，综合分析股票的走势。同时，需要关注并控制市场风险，控制资金风险和操作风险，以获得更好的投资收益。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、收盘价在BOLL指标中的上轨区间，且收盘价高于BOLL指标中的中轨。
同花顺指标公式代码参考
BOLL指标公式：
mid = MA(CLOSE, N)
std = STD(CLOSE, N)
UPPER = mid + 2 * std
LOWER = mid - 2 * std
计算收盘价处于BOLL指标的上轨区间，且处于中轨之上的股票的通达信代码如下：
C>REF(UPR, 1) AND C>REF(MID, 1)
Python代码参考
import akshare as ak
import pandas as pd
def get_stock_data():
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
gg_stock = ak.stock_zh_a_spot_em(symbol=stock_code)
if gg_stock.iloc[0]['industry'] == '元宇宙' and '圆弧形' in gg_stock.iloc[0]['name']:
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist['mid'] = stock_hist['close'].rolling(window=20).mean()
stock_hist['std'] = stock_hist['close'].rolling(window=20).apply(lambda x: x.std())
stock_hist['upr'] = stock_hist['mid'] + 2 * stock_hist['std']
if (stock_hist.iloc[-1]['close'] > stock_hist.iloc[-1]['upr']) and (stock_hist.iloc[-1]['close'] > stock_hist.iloc[-1]['mid']):
selected_stocks.append(gg_stock)
return pd.concat(selected_stocks)
print(get_stock_data())
通过AKShare获取股票代码、公司基本面和历史交易数据，对符合条件的个股进行筛选，并返回符合策略的股票信息。注意需要根据选股指标和选股策略进行调整，并将其应用于实际股票投资中。
## 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。
