问财量化选股策略逻辑
选股逻辑：元宇宙,9点25分涨幅小于6%,按个股热度从大到小排序名。
选股逻辑分析
选股逻辑主要考虑了行业、技术和市场参与者心理因素三方面因素。在行业选择方面，以元宇宙板块股票为选股范围，旨在关注热门板块。在技术因素方面，要求选股股票的9:25分收盘价相对于开盘价的涨跌幅小于6%，判断选股股票近期市场表现；在市场参与者心理方面，则是通过按个股热度从大到小排序名，挑选出市场参与度高的优质股票。
有何风险？
该选股逻辑同样依赖于市场参与者心理和技术因素，选股范围也相对较小，容易受到市场波动和风险因素的影响。此外，按个股热度排序可能存在某些偏差，例如由于某些热门事件导致特定个股短期内出现虚高或虚低的热度等。
如何优化？
为增加灵活性和可靠性，选股逻辑可以适当引入更多的市场参与者心理和技术因素，例如收盘价相对于历史数据的移动平均线的位置关系、交易量等指标，同时结合基础面因素，如营收增长率、市值大小、股息等因素，逐步建立更为完善的选股模型。此外，可以通过设置一定的风控机制，如止损、止盈等，来降低风险。
最终的选股逻辑
选股逻辑：元宇宙,9点25分涨幅小于6%,按个股热度从大到小排序名。
同花顺指标公式代码参考
通达信指标：
元宇宙板块：CATEGORY='SW1_zxx'
9点25分涨跌幅小于6%：(REF(CLOSE,1)/OPEN - 1) < 0.06
条件筛选：CATEGORY == 'SW1_zxx' AND (REF(CLOSE,1)/OPEN - 1) < 0.06
Python代码参考
以下是利用Python进行选股的代码：
import akshare as ak
import pandas as pd
# 获取元宇宙板块数据
yxu_stocks = ak.stock_zh_a_classified_sector()
yxu_stocks = yxu_stocks[yxu_stocks['name'] == '元宇宙']
# 筛选出符合条件的股票，并按照相关度排序
final_stocks = pd.DataFrame(columns=['symbol', 'hot'])
for symbol in yxu_stocks['symbol']:
daily_data = ak.stock_zh_a_daily(symbol)
if len(daily_data) >= 2:
if (daily_data.iloc[-2]['close'] / daily_data.iloc[-2]['open'] - 1) < 0.06:
hot = ak.stock_zh_a_top_list_detail().loc[symbol, 'hot']
final_stocks = final_stocks.append({'symbol': symbol, 'hot': hot}, ignore_index=True)
final_stocks = final_stocks.sort_values(by='hot', ascending=False)
## 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。
