(supermind量化投资)task13/a/元宇宙、前日实际换手率>3~28、机器人概

用户头像神盾局量子研究部
2023-08-30 发布

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:前日实际换手率在3%~28%之间,机器人概念,流通市值小于100亿。

选股逻辑分析

该选股策略的选股条件主要包括:

  1. 选择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;
  2. 前日实际换手率在3%~28%之间,反映市场对其价值的认可度高且有成交热度,具有投资价值;
  3. 选择机器人概念,因为机器人与元宇宙有一定的关联,具有投资价值;
  4. 流通市值小于100亿,对市值进行限制,筛选具有投资价值的股票。

有何风险?

  1. 忽略了其他重要的财务指标和技术指标,不能充分反映企业的基本面和未来发展趋势;
  2. 从机器人概念出发,部分公司只是概念炒作,而非真正拥有机器人相关业务或竞争优势。

如何优化?

  1. 可以增加其他选股条件,如PE、PB等财务指标、技术指标等,综合考虑来筛选具备投资价值的股票;
  2. 对机器人概念的选择要更加谨慎,充分理解企业的核心业务和竞争优势,避免被概念炒作误导;
  3. 根据市场情况和经验不断优化和调整选股策略。

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,机器人概念,流通市值小于100亿的股票进行投资。

具体选股条件为:元宇宙行情为GNXQ,前日实际换手率为TURNOVER(2),机器人概念为ROBOT='机器人', 流通市值小于100亿为CIR_MVALUE < 10000。

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)
  • 机器人概念:ROBOT='机器人'
  • 流通市值:CIR_MVALUE

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='SZSE', list_status='L', fields='ts_code, name, industry, list_date, total_share, float_share, market_cap, pe, pb, area')
    data1['ipo_date'] = pd.to_datetime(data1['list_date'])
    data1 = data1[data1['industry'].str.contains('元宇宙') & (data1['list_status'].isin(['L', 'N'])) & (data1['market_cap'] < 1e9)]
    data2 = pro.daily_basic(ts_code='', trade_date='20220101', fields='ts_code, turnover_rate_f, pct_chg')
    data2['actual_turnover'] = data2['turnover_rate_f'] * 100
    data3 = data2[(data2['actual_turnover'] > 3) & (data2['actual_turnover'] < 28)]
    data3['ts_code'] = data3['ts_code'].apply(lambda x: x.split('.')[0])
    data4 = pro.concept(src='ts', id='TS23', fields='ts_code, name')
    data4 = data4[data4['name'] == '机器人']
    data5 = data1.merge(data3[['ts_code']], on='ts_code', how='inner')
    data6 = data5.merge(data4[['ts_code']], on='ts_code', how='inner')
    data7 = pro.daily_basic(ts_code='', trade_date='20220101', fields='ts_code, circ_mv')
    data7 = data7[data7['circ_mv'] < 1e10]
    data8 = data6.merge(data7[['ts_code']], on='ts_code', how='inner')
    return data8[['ts_code', 'name']]
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论