问财量化选股策略逻辑
选股逻辑：元宇宙行业、量比大于1.5、量比小于6、至少5根均线重合的股票。
选股逻辑分析
该选股策略综合考虑了行业、成交量和技术面指标，通过至少5根均线重合的设定，强调了股票价格的稳定性。同时，元宇宙作为未来发展潜力巨大的新兴行业，具有较高的成长性潜力。
有何风险？
该选股策略虽然考虑了均线交叉，但是忽略了其他因素对于股价的影响，因此存在选股偏颇的风险。同时，考虑的指标过多可能会存在选股困难的问题。
如何优化？
可以综合考虑更多技术指标，如MACD、KD等，结合基本面因素，提高选股的准确度和长期收益性。同时，可以考虑通过机器学习等方法，筛选更适合的指标组合，优化选股策略。
最终的选股逻辑
选股逻辑为：元宇宙行业、量比大于1.5、量比小于6、至少5根均线重合的股票、市值小于500亿的股票。
同花顺指标公式代码参考
通达信代码：
SELECT STOCK_CODE FROM XX WHERE HY = 'C010103' AND VOLUME_RATIO > 1.5 AND VOLUME_RATIO < 6 AND COUNT(CROSS(MA(CLOSE, 5), MA(CLOSE, 10), MA(CLOSE, 20), MA(CLOSE, 30), MA(CLOSE, 60))) >= 5 AND MARKET_VALUE / 100000000 < 500;
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 = ts.get_today_all()
df = df[df['code'].isin(gg_stocks['code'])]
# 筛选量比符合条件的股票
df = df[df['volume_ratio'] > 1.5 & df['volume_ratio'] < 6]
# 筛选均线重合的股票
df['ma5'] = df['close'].rolling(5).mean()
df['ma10'] = df['close'].rolling(10).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['ma30'] = df['close'].rolling(30).mean()
df['ma60'] = df['close'].rolling(60).mean()
df['overlap'] = (df['ma5'] > df['close']) & (df['ma10'] > df['close']) & (df['ma20'] > df['close']) & (df['ma30'] > df['close']) & (df['ma60'] > df['close'])
df = df[df['overlap']]
df = df[df['total_mv'] / 100000000 < 500]
res = df[['name', 'code', 'industry', 'total_mv', 'pb', 'pe']]
res = res.rename(columns={'total_mv': '总市值', 'pb': '市净率', 'pe': '市盈率'})
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。
