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%之间且昨日股价高于250日均线的股票进行投资。
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；
- 股价高于250日均线，可能是该个股长期处于上涨趋势中的信号。
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；
- 股价高于250日均线作为选股条件，可能会产生延迟效应，导致选股策略的变动不及时；
- 修改均线周期可能会产生不同的选股结果。
如何优化？
- 结合其他基本面分析和自定义策略指标，综合筛选股票；
- 优化选股条件，使其更加客观、准确且稳定；
- 均线周期和股价与均线的关系需要结合行情分析和对公司基本面的深入了解。
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%之间且昨日股价高于250日均线的股票进行投资。
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);
- 昨日股价：C;
- 250日均线：MA(C, 250);
- 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND C > MA(C, 250);
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(ts_code='', start_date='20210101', end_date='20220111', fields='ts_code,trade_date,close')
data2 = data2.pivot(index='trade_date', columns='ts_code', values='close')
data2 = data2.T
ma250 = data2.rolling(250).mean()
data2 = data2.iloc[-2]
ma250 = ma250.iloc[-1]
data3 = pd.concat([data1, data2, ma250], axis=1)
data3.columns = ['ts_code', 'name', 'industry', 'close', 'ma250']
data3 = data3[data3['close'] > data3['ma250']]
data4 = pro.daily_basic(ts_code='', trade_date='20220111', fields='ts_code,turnover_rate')
data4['actual_turnover'] = data4['turnover_rate'] * 100
data4 = data4[data4['actual_turnover'] > 3]
data4 = data4[data4['actual_turnover'] < 28]
data5 = pd.merge(data3, data4[['ts_code']], on='ts_code', how='inner')
return data5
## 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。
