问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，按今日竞价金额排序前5的股票中，筛选昨日非涨停板的股票进行投资操作。
选股逻辑分析
该选股策略综合考虑了市场表现因素和股票价格走势因素。首先选取了今日竞价金额前5的股票，考虑了股票的市场表现。其次，通过筛选条件排除了昨日处于“涨停板”的股票，以减少选股策略的风险和增加投资回报。
有何风险？
该选股策略可能存在以下风险：
- 此选股策略可能会忽略某些未被收录的有潜力的股票。
- 股票市场行情可能会对选股策略造成影响，从而导致投资收益降低。
- 特定行业的政策或技术变革可能导致选股策略的失效。
如何优化？
为了优化该选股策略，可以考虑以下方法：
- 将选股策略与其他基本面和技术面指标相结合，制定更加全面的选股策略。
- 通过不断增加筛选条件和优化方法，提高选股策略的精度和准确性。
最终的选股逻辑
在元宇宙行业中，根据股票今日竞价金额的大小，选择今日竞价金额排序前5的股票，然后筛选昨日非涨停板的股票进行投资。选股条件为：
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：元宇宙
- 竞价金额排序：ORDLST(1, "JBJG")
- 昨日非涨停板：RSTRISKYF(1, "1D") == 0
- 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
RSTRISKYF(1, "1D") == 0
同花顺指标公式代码参考
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：INDUSTRY.industry == "元宇宙"
- 竞价金额排序：ORDLST(1, "JBJG")
- 昨日非涨停板：RSTRISKYF(1, "1D") == 0
- 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
RSTRISKYF(1, "1D") == 0
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb, circ_mktcap')
df = df[(df['industry'].str.contains(industry))]
company_list = list(df['ts_code'])
daily_data = pro.daily(ts_code=company_list, start_date='20210301', end_date='20210305')
risky_data = pro.margin_detail(start_date='20210301', end_date='20210305', fields='ts_code, op_date, stock_close, rstriskofday_sell')
risky_data.rename(columns={'op_date': 'trade_date'}, inplace=True)
risky_data = risky_data.set_index(['ts_code', 'trade_date'])
merged_data = daily_data.join(risky_data, how='outer').reset_index()
merged_data['RSTRISKYF(1, "1D")'] = merged_data.groupby('ts_code')['rstriskofday_sell'].shift(1)
merged_data['RSTRISKYF(1, "1D")'].fillna(value=1, inplace=True)
merged_data['indicator'] = merged_data['RSTRISKYF(1, "1D")'].apply(lambda x: True if x != 0 else False)
filtered = merged_data[merged_data['indicator'] == True]
ts_codes = filtered.ts_code.unique().tolist()
filtered_result = df[df['ts_code'].isin(ts_codes)]
result = filtered_result.sort_values(by='circ_mktcap', ascending=False).head(5)
return result
industry = '元宇宙'
df = stock_selector(industry)
print(df)
以上python代码将返回选出的行业为“元宇宙”，今日竞价金额前五，昨日非涨停板的股票信息。
## 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。
