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，并且昨日竞价换手率大于0.26的股票进行投资。
选股逻辑分析
该选股策略选择元宇宙行业中，挑选出今日竞价金额排序前5的股票，并且昨日竞价换手率大于0.26，认为这些股票具备较好的涨势和流动性，是有潜力的选股标的。
有何风险？
该选股策略可能存在以下风险：
- 竞价换手率的高低与股票未来走势之间的关系并不完全相关，策略选取的股票可能存在巨量冲击而导致价格剧烈波动；
- 竞价换手率指标可能存在过度热点的情况，限制了该选股策略的适用范围；
- 盲目依赖技术指标而忽略了基本面分析，可能会导致风险忽视。
如何优化？
为了降低该选股策略的风险，我们可以考虑以下优化方法：
- 在基于技术指标的筛选之后，再参考基本面因素进行综合选股；
- 考虑增加一些控制风险的因素，比如市值、杠杆比率等；
- 根据实际情况进行参数优化，如换手率的设置等。
最终的选股逻辑
为了完善该选股策略，以下是我们提出的一份更加完善的选股逻辑：
在元宇宙行业中，挑选出今日竞价金额排序前5，并且昨日竞价换手率大于0.26的股票进行投资。
具体选股条件为：
- 行情：SH或SZ
- 行业特点：元宇宙
- 排序方式：竞价金额
- 主升起动：趋势明显加强
- 昨日竞价换手率：大于0.26
- 选股条件：ORDLST(3, "JBJG")<=5 AND INDUSTRY.industry == '元宇宙' AND ORDQTY(1) > 0.26
同花顺指标公式代码参考
- 行情：SH或SZ
- 行业特点：INDUSTRY.industry == '元宇宙'
- 排序方式：ORDLST(3, "JBJG")
- 昨日竞价换手率：ORDQTY(1) > 0.26
- 选股条件：ORDLST(3, "JBJG")<=5 AND INDUSTRY.industry == '元宇宙' AND ORDQTY(1) > 0.26
python代码参考
import pandas as pd
import tushare as ts
# 计算昨日竞价换手率
def ORDQTY(k):
return k.loc[0, 'turnover_rate']
def stock_selector(industry, start_date, end_date):
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')
df = df[(df['industry'].str.contains(industry))]
k_data = {}
for code in df['ts_code']:
k_data[code] = ts.get_k_data(code, start=start_date, end=end_date)
filtered = []
for code, k in k_data.items():
if (ORDLST(k, 3, 'JBJG') <= 5) and (INDUSTRY(df, code) == '元宇宙') and (ORDQTY(k) > 0.26):
filtered.append([code, df[df['ts_code'] == code]['name'].iloc[0], \
df[df['ts_code'] == code]['pe'].iloc[0]])
return pd.DataFrame(filtered, columns=['ts_code', 'name', 'pe'])
industry = '元宇宙'
start_date = '2022-01-01'
end_date = '2022-01-31'
df = stock_selector(industry, start_date, end_date)
print(df)
以上python代码将返回2022年1月中行业为“元宇宙”，按今日竞价金额排序前5，并且昨日竞价换手率大于0.26的所有股票信息。
## 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。
