问财量化选股策略逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，2021年营收/2018年营收大于1.1。
选股逻辑分析
该选股策略的选股条件包括：选择元宇宙行业、三个技术指标同时金叉、2021年营收/2018年营收大于1.1。选择元宇宙行业可以获得较高的成长性和潜力，同时选择三个技术指标同时金叉可以精准地捕捉上涨趋势。2021年营收/2018年营收大于1.1，则意味着公司在短时间内有较高的收入增长率和业绩增长潜力。
有何风险？
该选股策略存在以下风险：
- 忽略了公司的估值、资产状况、盈利能力等多方面因素，确定股票越多，潜在风险越大。
- 短时间内的高收入增长率可能是偶然结果，长期的经营能力还需要进行更详细的分析。
- 技术指标是市场行情的反应，快速变化的市场中，技术指标很难做到精确预测。
如何优化？
为了最大程度上降低选股策略的风险，可以进行以下优化：
- 加入基本面指标进行选股，相辅相成，降低单个指标选择股票的风险。
- 营收增长率可以结合其他财务指标，如净利润增长率、毛利率、净资产收益率等，综合分析公司的财务状况，对公司的成长性进行更全面的评估。
- 在根据技术指标进行选股时，可以结合市场走势、板块趋势等因素，以选股为辅助手段，而非主要依据。
最终的选股逻辑
综合以上分析，可以得到一个较为完善的选股逻辑：选择元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，2021年营收/2018年营收大于1.1。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- MACD金叉：CROSS(MACD(12,26,9), MACDSignal(12,26,9));
- 2021年营收/2018年营收 > 1.1；
- 非科创板股票：IN_BBSTOCK(FALSE);
通过以上选股策略可以选举出同时具有良好技术面和较高增长性的优质企业，适合价值投资和中长线投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- MACD指标：MACD(12,26,9)、MACDSignal(12,26,9)
- 营收指标：LYR(sales)/LYR(sales,4)
- BBSTOCK：IN_BBSTOCK(FALSE)
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, area, industry, list_date, pe, pb, roe')
data1_select = data1[(data1['industry']==industry) & (data1['tot_mv'] < 50000) & (data1['circ_mv'] < 50000) & (data1['area']!='北京') & (data1['pe'] < 100) & (data1['pb'] < 10)]
stocks = []
for ts_code in data1_select['ts_code']:
data = pro.query('income', ts_code=ts_code, start_date='20180101', end_date='20211231', fields='ts_code, end_date, total_revenue')
data = data.drop_duplicates(subset=['end_date'], keep='first')
data_select = data[(data['end_date']=='20211231') & (data['total_revenue']/data['total_revenue'].shift(3)>1.1)]
if not data_select.empty:
data_price = pro.query('daily', ts_code=ts_code, start_date='20220101', end_date='20220107', fields='ts_code, open, high, low, close, vol, pct_chg, limit_up, MACD, MACDSignal, BBSTOCK')
mask1 = (data_price['MACD'] > data_price['MACDsignal']) & (data_price['MACD'].shift(1) < data_price['MACDsignal'].shift(1))
mask2 = (data_price['BBSTOCK'] == '0.0')
mask = mask1 & mask2
if mask.any():
stocks.append([ts_code, data_price[mask]['close'].tolist()[0]])
return pd.DataFrame(stocks, columns=['ts_code', 'close'])
其中，参数industry为所选元宇宙的行业名称。
## 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。
