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，同时规模在2亿以上的股票，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；
- 规模在2亿以上，反映企业有一定的市场份额和实力。
通过对以上条件进行综合挑选，最终选出符合条件的个股进行投资。
有何风险？
- 规模可能无法体现企业的潜在价值和潜在成长性，可能错过优质股票；
- 市场变化可能导致某些股票规模下滑，导致实际效果不佳；
- 企业业绩和市场情况变动可能导致策略的不稳定性。
如何优化？
- 引入更加严谨、科学的股票筛选条件，结合行业动态、市场需求等因素，寻找具有合理估值和竞争优势的企业；
- 加强企业性质和规模的调研和了解，确保投资对象的潜在价值和潜在成长性；
- 定期维护和更新选股条件，及时评估策略的有效性。
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，同时规模在2亿以上的股票，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)，股本为 CAPITAL，范围大于2亿。
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)
- 除权除息股本：CAPITAL
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'])) & (data1['total_share'] > 200)]
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 = pro.daily_basic(ts_code='', trade_date='20220101', fields='ts_code, pe, pb')
data5 = pd.merge(data3, data4, on='ts_code', how='inner')
data6 = data5.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。
