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%之间且大单净量排名较高的股票进行投资。
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，反映市场对其价值有所认可；
- 大单净量排名较高，表明较多的大单资金参与，可能预示着市场对该股票未来的信心和预期。
综合考虑上述条件，选出符合条件的具有较强市场认可度和潜在成长性的股票进行投资。
有何风险？
- 市场波动大，投资风险较大；
- 行业竞争激烈，技术、政策等因素可能对企业发展产生影响；
- 大单资金的买卖可能受到市场情绪和其他因素的影响，需谨慎考虑。
如何优化？
- 选取优秀的元宇宙企业，多维度分析其成长性和市场竞争力；
- 将选股条件的时间维度加入考虑，不仅关注股价是否符合预期，更应该评估公司的长期发展潜力以及大单资金的动向；
- 建立相应的风险控制策略，防范投资风险。
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%之间且大单净量排名较高的股票进行投资。
具体选股条件为：元宇宙行情为 GNXQ，前日实际换手率为 TURNOVER(2)，大单净量排名为 BUY_LARGE_VOL_RANK。
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)
- 大单净量排名：BUY_LARGE_VOL_RANK()
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='SZSE', list_status='L', fields='ts_code, name, industry, list_date, total_share')
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, close')
data3 = pro.moneyflow(ts_code='', start_date='20220101', end_date='20220220', fields='ts_code, buy_l_volume, buy_l_amount, sell_l_volume, sell_l_amount')
data4 = pd.merge(data2[['ts_code', 'turnover_rate_f', 'close']], data3, on='ts_code', how='inner')
data4['actual_turnover'] = data4['turnover_rate_f'] * 100
data5 = data4[(data4['actual_turnover'] > 3) & (data4['actual_turnover'] < 28)]
data5 = data5.sort_values(by='buy_l_volume', ascending=False)
data5 = data5.head(100)
data6 = pd.merge(data1, data5[['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。
