(supermind量化投资)task13/a/元宇宙、前日实际换手率>3～28、dea上

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%至28%之间，并且DEA值上涨的个股进行投资。

选股逻辑分析

该选股策略主要围绕以下条件进行选股：

1. 选取元宇宙行业中的个股，因为元宇宙领域具有较高的成长性和隐含收益；
2. 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；
3. 借助指标DEA（差离平均线）值，判断市场上的多空关系，如果DEA值上涨，则表示股价有可能会继续上涨，反之则有可能下跌。

综合以上条件，选择符合条件的个股进行投资。

有何风险？

1. 只依赖DEA值来判断多空关系，可能忽略了其他市场因素；
2. 过于关注短期市场行情，可能会造成选择失误。

如何优化？

1. 增加其他筛选条件，例如市盈率、股息率等指标，综合判断个股的投资价值；
2. 采用其他技术分析指标，例如MACD、KDJ等指标；
3. 考虑加入基本面分析指标，例如营收、利润增长率等指标。

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%至28%之间，并且DEA值上涨的个股进行投资。

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);
• DEA值：MACD(12, 26, 9, 'DEA');

选股公式：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND REF(MACD(12, 26, 9, 'DEA'), 1) < MACD(12, 26, 9, 'DEA')

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['name'].str.contains('元宇宙')]
    data2 = pro.daily_basic(ts_code='', trade_date='20220114', fields='ts_code,trade_date,turnover_rate,factor')
    data2 = data2[(data2['trade_date'] == '20220114') & (data2['turnover_rate'] >= 3) & (data2['turnover_rate'] <= 28) & (data2['ts_code'].isin(list(data1['ts_code'])))]
    data3 = pd.DataFrame(columns=['ts_code', 'name', 'industry'])
    for ts_code in list(data2['ts_code']):
        data = pro.query('daily', ts_code=ts_code, start_date='20220101', end_date='20220114', fields='trade_date, close')
        data['ema12'] = data['close'].ewm(span=12).mean()
        data['ema26'] = data['close'].ewm(span=26).mean()
        data['dif'] = data['ema12'] - data['ema26']
        data['dea'] = data['dif'].ewm(span=9).mean()
        if (data['dea'][-1] > data['dea'][-2]):
            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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)