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的股票中，筛选昨日成交额大于6千万的股票。然后对选出的股票进行投资操作。
选股逻辑分析
该选股策略主要考虑了股票的市场表现、资金流向和行业走势。通过选择今日竞价金额排序前5的股票，可以从市场表现优异的股票中进行选择。同时，通过筛选昨日成交额大于6千万的股票，可以反映资金流动情况，进一步筛选市场表现良好的股票。最终，可以通过考虑元宇宙行业的走势，进一步增加股票的收益概率。
有何风险？
该选股策略可能存在以下风险：
- 过于依赖市场表现，可能忽略了基本面的因素，对投资决策的影响也比较大。
- 股票昨日成交额大于6千万不能即时反映当天的资金流向，从而影响选股效果。
- 行业走势变化往往与整个市场热点和行情密切相关，因此挑选行业股票时需要注意市场整体风险。
如何优化？
为了优化该选股策略，可以考虑以下方法：
- 进一步完善筛选条件，考虑基本面和市场推动力因素并进行综合分析，增加选股效果。
- 加入多种技术指标和基本面指标，进行全方位分析，寻找可靠的选股决策依据。
- 加强对行业趋势和市场风险的分析和预测，提高选股效果和风控能力。
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，挑选今日竞价金额排序前5的股票，并筛选昨日成交额大于6千万的股票进行投资操作。选股条件为：
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：元宇宙
- 竞价金额排序：ORDLST(1, "JBJG")
- 昨日成交额：TURNOVER(value1=60000000, comp=1, connector='&')
- 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
TURNOVER(value1=60000000, comp=1, connector='&')
同花顺指标公式代码参考
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：INDUSTRY.industry == "元宇宙"
- 竞价金额排序：ORDLST(1, "JBJG")
- 昨日成交额：TURNOVER(value1=60000000, comp=1, connector='&')
- 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
TURNOVER(value1=60000000, comp=1, connector='&')
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()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb, circ_mktcap')
df = df[(df['industry'].str.contains(industry))]
company_list = list(df['ts_code'])
daily_data = pro.daily(ts_code=','.join(company_list), start_date='', end_date='', \
fields='ts_code, trade_date, close, open, high, low, \
pre_close, vol, amount, change')
daily_data['change_rate'] = (daily_data['close'] - daily_data['pre_close']) / daily_data['pre_close']
for_filter = daily_data[(daily_data['amount'].shift(1) > 60000000) &
(daily_data['trade_date'].shift(1) == daily_data['trade_date'])]
ts_codes = for_filter.ts_code.unique().tolist()
filtered = df[df['ts_code'].isin(ts_codes)][['ts_code', 'name']]
result = filtered.sort_values(by='circ_mktcap', ascending=False).head(5)
return result
industry = '元宇宙'
df = stock_selector(industry)
print(df)
以上python代码将返回选出的行业为“元宇宙”，今日竞价金额排序前5，昨日成交额大于6千万的股票信息。
## 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。
