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，并按个股热度从大到小排序名的个股进行投资。
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；
- 按个股热度从大到小排序名，以从众心理为支撑。
通过对以上条件进行综合挑选，并按个股热度排序，最终选出符合条件的个股进行投资。
有何风险？
- 选股策略忽略了公司的基本面数据和其他技术指标，不能全面评估企业的价值和潜力；
- 只根据市场热度进行投资，不遵循价值投资原则，存在较大的投资风险；
- 企业业绩和市场情况可能发生变化，导致选股策略的不稳定性。
如何优化？
- 引入其他技术指标和基本面数据，比如市盈率、市净率、净利润等，从多个角度对股票进行筛选；
- 制定科学合理的止损策略和风险控制系统，降低投资风险；
- 定期检查所选股票的业绩和市场情况，及时进行调整，以保证选股策略的有效性。
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，并按个股热度从大到小排序名的个股进行投资。具体选股条件为：元宇宙行情为 GNXQ，前日实际换手率为 TURNOVER(2)。
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)
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_date')
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')
data2['actual_turnover'] = data2['turnover_rate_f'] * 100
data2 = data2[(data2['actual_turnover'] > 3) & (data2['actual_turnover'] < 28)]
data3 = pd.merge(data1, data2[['ts_code', 'actual_turnover']], on='ts_code', how='inner')
data4 = data3.sort_values(by='actual_turnover', ascending=False)
return data4[['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。
