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%之间且出现酷特智能的早晨之星形态的股票，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；
- 出现酷特智能的早晨之星形态，预示着股票价格即将上升。
综合考虑上述条件，选出符合条件的具有较强技术面和市场认可度的股票进行投资。
有何风险？
- 早晨之星形态并不能完全预示股票价格上涨，有可能是市场短暂的反弹，存在一定风险；
- 元宇宙行业的投资风险较大，受技术变革、政策调整等多种因素影响，投资需谨慎评估；
- 前日实际换手率在3%~28%之间并不能完全代表市场认可度，可能受到个别因素的影响，如市场波动等。
如何优化？
- 对于早晨之星形态，需进一步适当结合其他技术指标进行分析，对预测和判断进行更加准确的评估；
- 在元宇宙行业内引入其他多维度指标标杆，如市场占有比例、技术实力、人才储备等，提高股票选取水平；
- 加强股票信息和财报的分析，关注公司业绩、主营业务等具体信息，综合评估股票价值；
- 选择合适的时间点执行股票买卖操作，避免在市场波动大或不明朗的情况下决策，降低风险。
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%之间且出现酷特智能的早晨之星形态的股票，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)，出现酷特智能的早晨之星形态为 KTECH('ZMRS') > 0。
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)
- 酷特智能早晨之星：KTECH('ZMRS')
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')
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 = ts.pro_bar(ts_code='', freq='D', start_date='20220101', end_date='20220221')
data5 = pd.merge(data3, data4[['ts_code', 'trade_date', 'open', 'close']], on='ts_code', how='inner')
data5['h_l'] = data5['high'] - data5['low']
data5['o_c'] = abs(data5['open'] - data5['close'])
data5['c_p'] = data5['close'].shift(1)
data5['ktech'] = (data5['o_c']*2 + data5['h_l']) / 4 / (data5['close'] - data5['c_p']).abs() * 100
data6 = data5[data5['ktech'] > 0]
data6['pattern'] = data6.apply(lambda row: 1 if row['ktech'] > row['ktech'].rolling(window=3).max() else 0, axis=1)
data7 = data6[data6['pattern'] == 1]
data7 = data7.sort_values(by='actual_turnover', ascending=False)
return data7[['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。
