问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形态、流通市值大于100亿元。
选股逻辑分析
该选股逻辑同样包括元宇宙行业和圆弧形态的选股条件，但加入了流通市值这一筛选条件。此时，选股者着重考虑的是股票的规模、市值等基本面信息。
有何风险？
该选股逻辑忽略了股票的估值、盈利等指标，仅关注市值规模的大小，选股策略不足综合。
如何优化？
可以加入更多的基本面数据指标进行综合筛选，如市盈率、市净率、ROE等指标。同时可以根据不同的需求选择不同的选股逻辑，例如强调成长性，可以加入营收和利润等相关指标。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形态、流通市值大于100亿元+基本面数据。
同花顺指标公式代码参考
元宇宙行业可以通过万德或通联数据获取，也可以自行定义股票所属行业。
圆弧形态无默认指标公式，需要根据市场自行定义。
股票市值可以通过同花顺数据源获取。
基本面数据可以通过东方财富、资讯天地等数据源获取。
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义圆弧形态
data['CIR'] = abs(data['high'] - data['low']) / data['close'].shift(1) * 100
return data
def high_capitalization_strategy(data):
# 筛选符合条件的股票
conditions = [
(data['industry'] == '元宇宙'), # 所属行业为元宇宙
(data['CIR'] > 0), # 圆弧形态自定义指标
(data['circulating_market_cap'] > 1e10) # 流通市值大于100亿元
# 这里加入其他基本面数据的筛选条件
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_stock_data():
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
stock_hist['stock_code'] = stock_code # 添加股票代码列
selected_data = high_capitalization_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_stock_data())
该代码与前一个选股逻辑的代码基本相同，在此基础上加入了流通市值的筛选条件。同时需要注意的是，在国内市场中，流通市值一般指股票的流通股本乘以当前市场股价。因此，程序需要在使用期间实时获取股票的流通股本和股价数据。
## 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。
