问财量化选股策略逻辑
选股逻辑为：元宇宙行业、流通盘小于等于55亿股、非科创板的股票。
选股逻辑分析
该选股逻辑主要选择元宇宙行业中的非科创板的流通盘较小股票，是一种相对保守的选股策略。相对于科创板而言，非科创板的公司业务更加稳定，上市时间更长，具有更可靠的财务数据和指标体系。此外，限制流通盘大小也有助于控制流动性风险，降低交易成本。综合起来，该选股逻辑的风险相对较低，适合追求稳定收益的投资者。
有何风险？
该选股逻辑的局限是相对较窄的选股范围，可能忽略了流通盘大、但良好的公司；同时忽略了科技创新和新兴产业的机会。如果市场整体偏向科创板或者新兴产业，则可能错过了一些潜力股和高盈利机会。
如何优化？
为了提高选股逻辑的精确度及可靠性，可以在元宇宙行业中，通过市盈率、市净率等基本面和技术面指标进行筛选，有针对性地选择具有良好基础面和业绩表现的公司。此外，还可以通过对行业政策和市场趋势的研究，加强对于新兴产业和科技创新领域的关注，帮助发现更多的有潜力的标的，以优化选股策略。
最终的选股逻辑
所选股票应当满足以下条件：所属行业为元宇宙、流通盘小于等于55亿股、非科创板的股票。
同花顺指标公式代码参考
所选股票的同花顺指标公式可根据实际选股因子进行自定义。
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义流通股指标
data['CMV'] = data['turnover_rate'] * data['total_share']
return data
def hot_stock_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['CMV'] <= 55), # 流通股份不超过55亿
(~data['code'].str.startswith('688')), # 非科创板
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_hot_stocks():
# 获取所有A股
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
# 根据股票代码获取历史交易数据
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
selected_data = hot_stock_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_hot_stocks())
在该选股逻辑的Python代码中，加入了基本面和技术面指标进行筛选和分析，并加入了流通盘和科创板的限制，以避免流动性风险和信息不对称问题，提高选股策略的全面性和可靠性。最终的选股逻辑在考虑了市场整体趋势的情况下，加入了基本面和技术面指标，并限制了股票的流通盘和市场类型，以提高选股策略的精确性和可靠性。
## 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。
