问财量化选股策略逻辑
该选股策略选取元宇宙行业中，在前日实际换手率在3%至28%之间且买一量大于卖一量的股票进行投资。
选股逻辑分析
该选股策略主要围绕以下条件进行选股：
- 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%至28%之间，可能表示该个股存在着资金流动性和市场认可度；
- 买一量大于卖一量，可能表示股票当前存在着购买需求。
综合以上条件，选择符合条件的个股进行投资。
有何风险？
- 可能存在大量做空操作导致的价格暴跌风险；
- 过度关注交易量等短期市场特征，不利于长期价值投资。
如何优化？
- 通过基本面分析指标进行更为科学的投资决策；
- 加入其他技术指标、市场情绪等条件进行筛选。
最终的选股逻辑
该选股策略选取元宇宙行业中，在前日实际换手率在3%至28%之间且买一量大于卖一量的股票进行投资。
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);
- 买一量：BUYVOL();
- 卖一量：SELLVOL();
选股公式：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND BUYVOL()>SELLVOL()
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='', list_status='L', fields='ts_code,name,industry')
data1 = data1[data1['industry'].str.contains('元宇宙')]
data2 = pro.daily_basic(ts_code='', trade_date='20220114', fields='ts_code,trade_date,turnover_rate,buy_vol,sell_vol')
data2 = data2[(data2['trade_date'] == '20220114') & (data2['turnover_rate'] >= 3) & (data2['turnover_rate'] <= 28) & (data2['buy_vol'] > data2['sell_vol']) & (data2['ts_code'].isin(list(data1['ts_code'])))]
data3 = pd.DataFrame(columns=['ts_code', 'name', 'industry'])
for ts_code in list(data2['ts_code']):
data4 = pd.DataFrame(columns=['ts_code', 'name', 'industry'])
data4.loc[0, 'ts_code'] = ts_code
data4.loc[0, 'name'] = data1[data1['ts_code'] == ts_code]['name'].iloc[0]
data4.loc[0, 'industry'] = data1[data1['ts_code'] == ts_code]['industry'].iloc[0]
data3 = pd.concat([data3, data4])
return data3
## 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。
