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，同时收盘价在Bollinger Bands的上沿和中轨之间的股票，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；
- 收盘价在Bollinger Bands的上沿和中轨之间，说明股票在一个相对稳定的区间内波动，具有较强的技术面支撑。
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？
- Bollinger Bands的计算和使用需要考虑时间周期和参数设置的影响，如果不合理容易被市场出现较大波动，存在风险；
- 收盘价在Bollinger Bands的上沿和中轨之间的股票不一定强势，可能是因为市场目前正处于震荡调整或者未来有较大不确定性的阶段，存在风险；
- 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。
如何优化？
- 对Bollinger Bands等技术指标进行充分了解，合理调整时间周期和参数设置，提高选股策略的准确性和稳定性；
- 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，同时收盘价在Bollinger Bands的上沿和中轨之间的股票，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)，收盘价在Bollinger Bands上沿和中轨之间为 CLOSE < BOLL(UP, 20) AND CLOSE > BOLL(MID, 20)。
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)
- Bollinger Bands上沿：BOLL(UP, 20)
- Bollinger Bands中轨：BOLL(MID, 20)
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')
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', 'close']], on='ts_code', how='inner')
data4 = ts.pro_bar(ts_code='', freq='D', start_date='20220101', end_date='20220221')
data5 = data4[['ts_code', 'trade_date', 'close']]
data5['boll_up'] = data5['close'].rolling(window=20, min_periods=1).mean() + 2 * data5['close'].rolling(window=20, min_periods=1).std()
data5['boll_mid'] = data5['close'].rolling(window=20, min_periods=1).mean()
data6 = pd.merge(data3, data5[['ts_code', 'trade_date', 'close', 'boll_up', 'boll_mid']], on='ts_code', how='inner')
data6 = data6[(data6['close'] < data6['boll_up']) & (data6['close'] > data6['boll_mid'])]
data6 = data6.sort_values(by='actual_turnover', ascending=False)
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。
