问财量化选股策略逻辑
选股逻辑：元宇宙,9点25分涨幅小于6%,k小于20。
选股逻辑分析
该选股策略还是以选出元宇宙板块中具有潜力的优质股票为目标。在此基础上，该选股策略增加了一个技术指标，即K线指标，K线小于20时，为反弹买入的好机会，可以选入候选股票。
有何风险？
该选股策略同样存在样本和数据偏差的问题，难以拟合整个市场的情况。通常，技术指标只对短期有帮助，在某些特定的时候会失效。而且，该选股策略并未考虑基本面的因素，只注重技术指标，可能过度依赖技术指标带来风险。
如何优化？
优化的方法类似于之前所提出的方法。可以加入其他的基本面和市场因素指标，并考虑指标之间的相互关系，以提高选股策略的有效性和成功率。同时，可以增加资金管理和风险控制的因素，如设置止损，根据市场情况进行动态调整等。
最终的选股逻辑
选股逻辑：元宇宙,9点25分涨幅小于6%,K线小于20。
同花顺指标公式代码参考
元宇宙板块：CATEGORY = 'SW1_zxx'
9点25分涨幅小于6%：(OPEN/REF(CLOSE,1) - 1) < 0.06 AND YEAR(DATE) = 2021
K线小于20：REF(MIN(LOW,9),1) < REF(MIN(LOW,24),1) AND REF(OPEN,1) > REF(MA(CLOSE,5),1)
符合条件的股票：CATEGORY ='SW1_zxx' AND (OPEN/REF(CLOSE,1) - 1) < 0.06 AND YEAR(DATE) = 2021 AND REF(MIN(LOW,9),1) < REF(MIN(LOW,24),1) AND REF(OPEN,1) > REF(MA(CLOSE,5),1)
Python代码参考
相应的Python选股代码如下：
import akshare as ak
# 获取元宇宙板块数据
yxu_stocks = ak.stock_zh_a_classified_sector()
yxu_stocks = yxu_stocks[yxu_stocks['name'] == '元宇宙']
# 筛选出符合条件的股票
final_stocks = pd.DataFrame(columns=['symbol'])
for symbol in yxu_stocks['symbol']:
market_data = ak.stock_zh_a_daily(symbol, start_date='20210101')
if (market_data.iloc[1]['open'] / market_data.iloc[0]['close'] - 1) < 0.06 and market_data.iloc[0]['流通市值'] < 10000000000 and market_data.iloc[0]['流通股本(万股)'] > 0:
tick_data = ak.stock_zh_a_tick_tx_js(symbol)
if tick_data.iloc[-1]['low'] < min(tick_data['low'][-9:-1]) and tick_data.iloc[-1]['low'] < min(tick_data['low'][-24:-1]):
if tick_data.iloc[-2]['open'] > tick_data.iloc[-2]['MA5'] and tick_data.iloc[-1]['open'] < 20:
final_stocks = final_stocks.append({'symbol': symbol}, ignore_index=True)
## 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。
