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、昨日股价大于250日均线。
选股逻辑分析
该选股逻辑基于元宇宙、圆弧形形态、以及技术面的筛选，旨在寻找近期走势较强且有上升趋势的股票。选股条件比较严格，可以有效地过滤掉一些波动性较大的个股，减少选股风险。
有何风险？
该选股逻辑存在操作风险，可能会出现选股不准确或误判的情况，对投资产生影响。另外，股票走势有时也可能受到市场热点的影响，过分追求技术面，而忽略了市场整体趋势，同样容易导致选股失误。
如何优化？
对于这种技术面选股方法，可以结合基本面因素进行筛选，如市盈率、市净率等，从而更全面地分析企业的价值情况。同时也可以考虑加入一些其他的技术面指标，如KDJ、MACD等，以提高精准度和有效性。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、昨日股价大于250日均线、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 > REF(MA(C, 250), 1), CODE)
其中，筛选出元宇宙行业、圆弧形形态的股票，并选择昨日数据，以判断昨日收盘价是否高于250日均线。
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['high'] > today_data['ma250']) & (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) >= 4:
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']]
return res
print(get_stock_data())
通过股票代码和当日的最高价、250日均线等数据，筛选出符合条件的股票信息，其中包括元宇宙行业、昨日股价高于250日均线、流通市值在10亿到50亿之间、圆弧形形态。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。
