(supermind量化投资)task13/a/元宇宙、前日实际换手率>3～28、七连阴

问财量化选股策略逻辑

该选股策略选取元宇宙行业中，在前日实际换手率在3%至28%之间，并且连续七日实体阴线的股票进行投资。

选股逻辑分析

该选股策略主要围绕以下条件进行选股：

1. 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；
2. 前日实际换手率在3%至28%之间，可能表示该个股存在着资金流动性和市场认可度；
3. 连续七日实体阴线，可能表示该个股存在着一定的下跌趋势。

结合以上条件，选取符合条件的个股进行投资。

有何风险？

1. 长期选取连续七日实体阴线的个股进行投资需要谨慎，因为趋势有可能结束；
2. 只适用于中短期投资策略，不适合长期投资者；
3. 对于选股条件的解释可能不够明确。

如何优化？

1. 增加基本面指标进行综合分析；
2. 调整选股策略，避免出现过于极端的条件；
3. 结合自身投资风格进行量化选股。

最终的选股逻辑

该选股策略选取元宇宙行业中，在前日实际换手率在3%至28%之间，并且连续七日实体阴线的股票进行投资。

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);
• 连续实体阴线：(C<=REF(C, 1)) AND (C<REF(C, 2)) AND (C<REF(C, 3)) AND (C<REF(C, 4)) AND (C<REF(C, 5)) AND (C<REF(C, 6)) AND (C<REF(C, 7));
• 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND (C<=REF(C, 1)) AND (C<REF(C, 2)) AND (C<REF(C, 3)) AND (C<REF(C, 4)) AND (C<REF(C, 5)) AND (C<REF(C, 6)) AND (C<REF(C, 7))

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,total_share,float_share,pe,pe_ttm,pb')
    data2['actual_turnover'] = data2['turnover_rate'] * data2['float_share'] * 100 / data2['total_share']
    data2 = data2[data2['actual_turnover'] > 3]
    data2 = data2[data2['actual_turnover'] < 28]
    data3 = pro.daily(ts_code='', trade_date='20220111', fields='ts_code,trade_date,open,high,low,close')
    data4 = pd.DataFrame(columns=['ts_code', 'days'])
    for ts_code in list(data1['ts_code']):
        data5 = data3[data3['ts_code'] == ts_code].sort_values(by='trade_date')
        data6 = data5[data5['close'] <= data5['open']].reset_index(drop=True)[['ts_code', 'trade_date']]
        if len(data6) >= 7:
            data6 = data6[-7:]
            data6['days'] = data6['trade_date'].diff().dt.days
            if list(data6['days']) == [1, 1, 1, 1, 1, 1]:
                data4 = pd.concat([data4, pd.DataFrame(data={'ts_code': [ts_code], 'days': [0]})])
    data7 = pd.merge(data4, data2[['ts_code']], on='ts_code', how='inner')
    data8 = pd.merge(data7, data1[['ts_code', 'name', 'industry']], on='ts_code', how='inner')
    return data8

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)