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，且昨日成交额大于6000万元的股票进行投资。
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，表示市场对其价值存在认可，具有一定的投资价值；
- 昨日成交额大于6000万元，反映该股票市场活跃，有一定的上涨潜力。
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？
- 成交额条件可能会选入高风险的股票，如题材炒作、短线操作等；
- 选股条件过于过滤，导致选股结果较为稀缺，进而影响资金的分配和投资回报。
如何优化？
- 加入更多的指标，如市盈率、市净率等，综合分析选股结果以提高选股精度；
- 建立更加科学合理的风险控制机制，对投资组合进行监督和风险管理；
- 加入量化分析，通过机器学习等技术对选股策略进行优化。
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，昨日成交额大于6000万元的股票进行投资。选股条件具体为：元宇宙行情为GNXQ，前日实际换手率为TURNOVER(2)，昨日成交额大于6000万元为AMOUNT(1)>60000000。
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);
- 昨日成交额：AMOUNT(1);
- 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND AMOUNT(1)>60000000;
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_status')
data1 = data1[data1['industry'].str.contains('元宇宙') & (data1['list_status'].isin(['L', 'N']))]
data2 = pro.daily_basic(ts_code='', trade_date='20220309', 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]
data2 = data2[data2['amount'] > 60000000]
data3 = pd.merge(data1, data2[['ts_code', 'actual_turnover', 'amount']], on='ts_code', how='inner')
return data3[['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。
