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，并且500日内至少有两次涨停的个股进行投资。
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；
- 500日内至少有两次涨停，反映市场对其未来潜力的认可。
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？
- 该选股策略仅选取了过去的市场表现，未考虑未来的不确定性；
- 存在部分 stocks 涨停延迟推送或记录不完整的情况，选股结果可能存在一定的偏差；
- 受市场情况和政策变化影响，有可能出现选股结果不稳定的情况。
如何优化？
- 引入其他技术指标，比如RSI、KDJ等，从多个角度对股票进行筛选；
- 通过深入分析公司的基本面数据，进而了解股票的长期发展趋势；
- 定期检查所选股票的业绩和市场情况，及时进行调整，以保证选股策略的有效性。
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，并且500日内至少有两次涨停的个股进行投资。具体选股条件为：元宇宙行情为 GNXQ，前日实际换手率为 TURNOVER(2)，股票500日内涨停次数为 Count(CLOSE>DELAY(CLOSE, 1)*1.1, 500)>=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)
- 股票500日内涨停次数：Count(CLOSE>DELAY(CLOSE, 1)*1.1, 500)>=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='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.daily(ts_code='', start_date='20200501', end_date='20221129', fields='ts_code, trade_date, close')
data3['flag'] = (data3['close'] > data3['close'].shift(1) * 1.1)
data3['cum_count'] = data3['flag'].rolling(500).sum()
data4 = data3[data3['cum_count'] >= 2]
data5 = pd.merge(data1, data2[['ts_code', 'actual_turnover']], on='ts_code', how='inner')
data6 = pd.merge(data5, data4[['ts_code']], on='ts_code', how='inner')
return data6[['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。
