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，昨日9:15匹配价跌停的个股进行投资。
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资金流动性和市场认可度；
- 选取昨日9:15匹配价为跌停的股票，可能表示该股票存在着下行风险和低估情况。
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；
- 依赖昨日9:15匹配价来判断股票下行风险的方法可能有一定的盲目性，有可能会导致选股出现偏差；
- 修改前日实际换手率的取值范围和昨日9:15匹配价的判断条件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重要指标，如市盈率、市净率等；
- 通过机器学习算法，优化选股策略的模型，提高选取精度；
- 加入风险控制机制，如止损和仓位控制，降低投资风险。
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，昨日9:15匹配价为跌停的股票进行投资。选股标准具体为：元宇宙行情为GNXQ，前日实际换手率为TURNOVER(2)，昨日9:15匹配价跌停为PRICE(001)，按竞价金额降序排列TOP5。
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9:15匹配价跌停：IF(PRICE(001)/REF(PRICE(001),1)-1<-0.099,1,0);
- 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND IF(PRICE(001)/REF(PRICE(001),1)-1<-0.099,1,0)=1 AND RANK(TURNOVER(1))<=5 ORDER BY TURNOVER(1) DESC;
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,amount')
data2['actual_turnover'] = data2['turnover_rate'] * 100
data2 = data2[data2['actual_turnover'] > 3]
data2 = data2[data2['actual_turnover'] < 28]
data3 = pro.index_daily(ts_code='399001.SZ', start_date='20220111', end_date='20220111')
data3['price_limit'] = 1
data3.loc[(data3['pre_close'] - data3['open']) / data3['pre_close'] < -0.099, 'price_limit'] = 0
data4 = data2.merge(data3[['ts_code', 'price_limit']], on='ts_code', how='inner')
data4 = data4[data4['price_limit'] == 1]
data4 = data4.sort_values(by='amount', ascending=False).head(5)
data5 = pd.merge(data1, data4[['ts_code']], on='ts_code', how='inner')
return data5[['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。
