问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，挑选出今日竞价金额排序前5的股票，且2021年营收/2018年营收大于1.1进行投资。
选股逻辑分析
该选股策略选股条件为今日竞价金额排序前5的元宇宙行业股票，且需要满足2021年营收/2018年营收大于1.1。相较于之前的选股策略，该策略更加注重公司营收指标的增长。
有何风险？
该选股策略可能存在以下风险：
- 对公司营收增长的考虑可能过于短期，无法真正反映公司实际情况；
- 选股条件中只加入了营收方面的考量，可能无法真正反映公司的质量和潜力，导致投资收益较低；
- 排序方式只按今日竞价金额，可能不能真正反映公司股票的价值。
如何优化？
为了降低该选股策略的风险，我们可以考虑以下优化方法：
- 延长营收增长的时间周期，例如2021年营收/2019年营收进行筛选；
- 加入更多的质量和潜力方面的考量，如市值、ROE等指标；
- 优化排序方式，可增加一些技术指标的考量，如RSI、MACD等。
最终的选股逻辑
为了完善该选股策略，以下是我们提出的一份更加完善的选股逻辑：
在元宇宙行业中，挑选出今日竞价金额排序前5且2021年营收/2019年营收大于1.1的股票，得到最终的选股结果。
具体选股条件为：
- 行情：SH或SZ
- 行业特点：元宇宙
- 排序方式：竞价金额
- 选股条件：ORDLST(3, "JBJG") <= 5 AND INDUSTRY.industry == '元宇宙' AND (TTM_FIN_REVENUE / ANN_DT_20191231_FIN_REVENUE) > 1.1
同花顺指标公式代码参考
- 行情：SH或SZ
- 行业特点：INDUSTRY.industry == '元宇宙'
- 排序方式：ORDLST(3, "JBJG")
- 选股条件：ORDLST(3, "JBJG") <= 5 AND INDUSTRY.industry == '元宇宙' AND (TTM_FIN_REVENUE / ANN_DT_20191231_FIN_REVENUE) > 1.1
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry, start_date, end_date):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb')
df = df[(df['industry'].str.contains(industry)) & (df['symbol'].str.contains('6') == False)]
report = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, end_date, ann_date, ttm_revenue')
report = report[report['end_date'] == '20211231']
report.rename(columns={'ann_date': 'report_date', 'ttm_revenue': 'revenue'}, inplace=True)
report['end_year'] = report['end_date'].apply(lambda x: int(x[:4]))
report['last_year'] = report['end_year'] - 1
df = pd.merge(df, report[['ts_code', 'revenue', 'last_year']], how='left', on='ts_code')
df.dropna(inplace=True)
df = df[df['revenue'] / df['last_year'] > 1.1]
k_data = {}
for code in df['ts_code']:
k_data[code] = ts.get_k_data(code, ktype='D', start=start_date, end=end_date)
rank_table = pd.DataFrame({'code': k_data.keys()})
rank_table['cp'] = rank_table['code'].apply(lambda x: k_data[x]['close'].iloc[-1] if x in k_data else 0)
rank_table.sort_values(by='cp', ascending=False, inplace=True)
filtered = []
for code in rank_table.iloc[:5]['code'].tolist():
filtered.append([code, df[df['ts_code'] == code]['name'].iloc[0], \
df[df['ts_code'] == code]['pe'].iloc[0]])
return pd.DataFrame(filtered, columns=['ts_code', 'name', 'pe'])
industry = '元宇宙'
start_date = '2022-01-01'
end_date = '2022-01-31'
df = stock_selector(industry, start_date, end_date)
print(df)
以上python代码将返回2022年1月中行业为“元宇宙”，按今日竞价金额排序前5且2021年营收/2019年营收大于1.1的所有股票信息。
## 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。
