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，同时周线MACD在零轴之上的股票进行投资。
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；
- 周线MACD在零轴之上，反映股票价格处于上升趋势。
通过对以上条件进行综合挑选，最终选出符合条件的个股进行投资。
有何风险？
- 选取的条件过于简单，可能存在较大的误差和不确定性；
- MACD对股票价格有一定的滞后性，选股结果可能不及时；
- 市场可能出现暴跌或大幅调整，造成选股结果的不确定性。
如何优化？
- 对每个选股条件进行细致的研究和分析，以减少选股误差和提高准确性；
- 融入其他技术指标，比如KDJ和RSI，加强选股的可靠性；
- 引入基本面分析因素，加强风险控制。
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，同时周线MACD在零轴之上的股票进行投资。具体选股条件为：元宇宙行情为GNXQ，前日实际换手率为TURNOVER(2)，周线MACD中的DIFF和DEA均大于0。
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);
- 周线MACD中的DIFF和DEA均大于0： RSIMACD(40, 89, 11, 9, 12, LINE2)>0 AND RSIMACD(40, 89, 11, 9, 13, LINE2)>0;
其中，40表示计算40周的MACD，89表示计算89周的EMA，11表示MACD的快线EMA计算周期，9表示慢线EMA的计算周期，12和13分别表示MACD和MACD信号线的平滑周期。LINE2用于表示MACD信号线。
Python代码参考
import pandas as pd
import tushare as ts
import talib
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, list_date')
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')
data2['actual_turnover'] = data2['turnover_rate_f'] * 100
data2 = data2[(data2['actual_turnover'] > 3) & (data2['actual_turnover'] < 28)]
data3 = pro.weekly(ts_code='', adj='qfq', start_date='20210101', end_date='20221129', fields='ts_code, trade_date, open, high, low, close')
data3['DIFF'], data3['DEA'], data3['MACD'] = talib.MACD(data3['close'], fastperiod=12, slowperiod=26, signalperiod=9)
data3 = data3[(data3['DIFF'] > 0) & (data3['DEA'] > 0)]
data4 = pd.merge(data1, data2[['ts_code', 'actual_turnover']], on='ts_code', how='inner')
data5 = pd.merge(data4, data3[['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。
