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，同时10天内涨停天数大于2的股票，进行投资。
选股逻辑分析
该选股策略的选股条件主要包括：
- 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，反映市场对其价值有所认可；
- 10天内涨停天数大于2，反映股票短期上涨趋势强劲。
综合考虑上述条件，选出符合条件的具有强劲短期上涨趋势的股票进行投资。
有何风险？
- 涨停天数大于2难以预测和持久，可能存在泡沫风险；
- 前日实际换手率在3%~28%之间复杂背景下可能变动频繁，导致选股策略不稳定性；
- 股票实际交易情况可能有异常波动，导致选股策略的不稳定性；
- 企业业绩和市场情况变动可能导致策略的不稳定性。
如何优化？
- 引入更严谨、科学的股票筛选条件和算法，聚焦企业核心竞争力，从多个维度挖掘具有潜力的个股；
- 对股票交易信息进行多方面的调研和了解，了解股票的具体板块、市场动向、公司财务等信息，提高选股的准确性和稳定性；
- 在涨停天数大于2的条件中引入其他技术指标，如成交量、MACD等进行多策略验证；
- 定期评估和更新选股策略，及时剔除无效的选股标准，优化股票投资组合。
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，同时10天内涨停天数大于2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)，10天内涨停天数为 COUNT(CLOSE = REF(MAX(CLOSE, 1), 1), 10) > 2。
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)
- 10天内涨停天数：COUNT(CLOSE = REF(MAX(CLOSE, 1), 1), 10) > 2
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')
data1 = data1[data1['industry'].str.contains('元宇宙') & (data1['list_status'].isin(['L', 'N']))]
data2 = pro.daily_basic(ts_code='', trade_date='20220101', fields='ts_code, turnover_rate, turnover_rate_f, close')
data2['actual_turnover'] = data2['turnover_rate_f'] * 100
data2 = data2[(data2['actual_turnover'] > 3) & (data2['actual_turnover'] < 28)]
data3 = pd.merge(data1, data2[['ts_code', 'actual_turnover', 'close']], on='ts_code', how='inner')
data4 = pro.daily(ts_code='', start_date='20220221', fields='ts_code, trade_date, close')
data4['date'] = pd.to_datetime(data4['trade_date'])
data5 = data4.groupby('ts_code')['close'].rolling(window=10, min_periods=1).max().reset_index()
data6 = (data4['close'] == data5['close']).astype(int)
data7 = pd.concat([data4['ts_code'], data6], axis=1)
data8 = data7.groupby('ts_code').rolling(window=10, min_periods=1).sum().reset_index()
data8 = data8[data8[0] > 2]
data9 = pd.merge(data3, data8[['ts_code']], on='ts_code', how='inner')
data9 = data9.sort_values(by='actual_turnover', ascending=False)
return data9[['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。
