问财量化选股策略逻辑
该选股策略选取元宇宙行业中，符合以下条件的股票进行投资：前日实际换手率在3%~28%之间，排除北京A股。
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，反映市场对其价值的认可度高且有成交热度，具有投资价值；
- 排除北京A股，可能是基于该地区股票较为集中，需要进行风险控制。
有何风险？
- 排除北京A股仅仅是基于区域风险控制，可能忽略了其他风险因素；
- 只考虑了市值和无亏损企业，忽略了其他重要的财务指标和技术指标。
如何优化？
- 可以增加其他选股条件，如PE、PB等财务指标、技术指标等，综合考虑来筛选具备投资价值的股票；
- 根据市场情况和经验不断优化和调整选股策略。
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，排除北京A股的股票进行投资。
具体选股条件为：元宇宙行情为GNXQ，前日实际换手率为TURNOVER(2)，北京A股排除为地域，无亏损企业为EPS>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)
- 北京A股排除：AREA!='北京'
- 无亏损企业：EPS>0
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, float_share, market_cap, pe, pb, area')
data1['ipo_date'] = pd.to_datetime(data1['list_date'])
data1 = data1[data1['industry'].str.contains('元宇宙') & (data1['list_status'].isin(['L', 'N'])) & (data1['area'] != '北京')]
data2 = pro.daily_basic(ts_code='', trade_date='20220101', fields='ts_code, turnover_rate_f, pct_chg')
data2['actual_turnover'] = data2['turnover_rate_f'] * 100
data3 = data2[(data2['actual_turnover'] > 3) & (data2['actual_turnover'] < 28)]
data4 = data1.merge(data3[['ts_code']], on='ts_code', how='inner')
data5 = pro.fina_indicator(ts_code='', start_date="20210101", fields='ts_code, eps')
data6 = data5[data5['eps'] > 0]
data7 = data4.merge(data6[['ts_code']], on='ts_code', how='inner')
data8 = data7[data7['market_cap'] < 1e8]
return data8[['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。
