问财量化选股策略逻辑
该选股策略选取元宇宙行业中，前日实际换手率在3%-28%之间，且股票均价站在五日均线之上的股票进行投资。
选股逻辑分析
该选股策略主要围绕以下条件进行选股：
- 选取元宇宙行业中的股票，因为这些企业可能受到元宇宙行业内用户需求的影响，具有潜在的成长性；
- 前日实际换手率在3%-28%之间，可能表示该个股存在着资金流动性和市场认可度；
- 股票均价站在五日均线之上，可能表示该个股当前处于上涨状态，有可能出现持续上涨的机会。
通过综合以上条件，选取符合条件的个股进行投资。
有何风险？
- 市场风险和行业风险，都有可能导致选股结果出现失误；
- 只依靠五日均线作为股票指标选股条件，可能导致选股结果过于单一；
- 修改前日实际换手率的取值范围和股票均价站在五日均线之上的判断规则可能会产生不同的选股结果。
如何优化？
- 在选股条件中加入其他技术指标，如RSI、MACD等指标；
- 优化股票均价站在五日均线之上的判断规则；
- 多维度分析选股结果，权衡各指标选股结果的差异。
最终的选股逻辑
该选股策略选取元宇宙行业中，前日实际换手率在3%-28%之间，且股票均价站在五日均线之上的股票进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK("gnxq");
- 前日实际换手率：TURNOVER(2);
- 股票均价：MA(CLOSE,5)
- 股票均价站在五日均线之上：CLOSE > MA(CLOSE,5);
- 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND CLOSE > MA(CLOSE,5);
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='SSE', list_status='L', fields='ts_code,name,industry')
data1 = data1[data1['industry'].str.contains('元宇宙')]
data2 = pro.daily_basic(ts_code='', trade_date='20220111', fields='ts_code,turnover_rate')
data2['actual_turnover'] = data2['turnover_rate'] * 100
data2 = data2[data2['actual_turnover'] > 3]
data2 = data2[data2['actual_turnover'] < 28]
data3 = pro.daily(ts_code='', start_date='20220101', end_date='20220111', fields='ts_code,trade_date,close')
data3 = data3.pivot(index='trade_date', columns='ts_code', values='close')
data3 = data3.T
data4 = data3.rolling(window=5).mean()
data4 = data4.shift(1)
data5 = (data3 > data4).astype(int)
data6 = pd.merge(data1, data5.iloc[-1], on='ts_code', how='inner')
return data6
## 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。
