问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，市值在100亿以内，并且最近几年没有亏损记录的企业。
选股逻辑分析
该选股策略的选股条件包括：选择元宇宙行业，股票均价站在五日均线之上，市值在100亿以内，最近几年没有亏损记录的企业。通过这些条件可以筛选出成长性强、风险较小的企业。
有何风险？
该选股策略存在以下风险：
-
忽视了市值较大的企业，可能会错过某些具有潜力的企业。
-
忽视了个股的长期表现，可能会选择某些优质企业的短期调整期。
如何优化？
为了减少选股策略的风险，可以进行如下优化：
-
考虑市值和企业估值之间的关系，选择具有相对低估值的优质企业。
-
缩小选股市值范围，以提高策略的实用性和选股效果。
-
引入其他因素，如股息率、技术指标等，结合基本面进行筛选，更加全面准确地挑选个股。
最终的选股逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，市值在100亿以内，最近几年没有亏损记录的企业。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价在五日均线之上；
- 市值在100亿以内；
- 最近三年（可以根据需要修改）毛利率和净利率都为正。
通过以上选股策略可以筛选出成长性强、稳健的企业进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
- 市值：CIRC_MVAL
- 最近三年毛利率和净利率均为正：COND(MA(GP3, 3)>0 AND MA(NP3, 3)>0, 1, 0)
注：CIRC_MVAL指表示流通市值，GP3和NP3分别表示近三年平均毛利润率和净利润率。
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry, market_cap):
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, industry, list_date, total_mv, circ_mv')
data1_select = data1[(data1['industry']==industry) & (data1['circ_mv']<=market_cap*100000000)]
stocks = []
for ts_code in data1_select['ts_code']:
data = pro.query('daily_basic', ts_code=ts_code, start_date='20180101', fields='ts_code, trade_date, close, pb, pe, total_share, float_share')
data2 = pro.query('income', ts_code=ts_code, start_date='20180101', fields='ts_code, ann_date, end_date, total_revenue, total_profit')
if len(data) < 1095 or len(data2) < 3:
continue
if data['close'].iloc[-1] < data['pb'].iloc[-1] * data['pe'].iloc[-1] * (data['total_share'].iloc[-1]/data['float_share'].iloc[-1]):
continue
if all(data2['total_profit'].iloc[-3:] > 0):
stocks.append([ts_code, data['close'].iloc[-1]])
return pd.DataFrame(stocks, columns=['ts_code', 'close'])
其中，参数industry和market_cap分别为所选元宇宙的行业名称和市值上限。
## 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。
