问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形形态、前日实际换手率在3%到28%之间。
选股逻辑分析
该选股逻辑基于元宇宙、圆弧形形态以及前日实际换手率的筛选，旨在寻找近期走势较强，有上升趋势，并具有一定交易量的股票。在选股时注意实际换手率的区间范围，可以避免市场异常波动的影响，同时同样关注圆弧形形态，可以减少选股风险。
有何风险？
该选股策略同样存在操作风险，在市场快速变化的情况下，实际换手率会有延迟，可能需要注意一些突发事件对前日实际换手率的影响。另外，圆弧形形态的判断需要比较前几日的股价波动情况，可能需要较长时间的数据作为参考，对于近期上市的新股很难进行有效筛选。
如何优化？
可以结合其他指标，如技术面和基本面指标，进行完善，从而更好地分析股票的价值和投资风险。同时，在实际操作中，需要注意实际换手率的具体数值，在不同行情下选择不同的区间范围筛选股票。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、前日实际换手率在3%到28%之间。
同花顺指标公式代码参考
通达信代码：
SELECT(MARKET='1' AND YELLOW(CORNER(TEXTP(低)黄)) AND (TDX_RDP('L2', '', '实际换手率', -2, 1) > 0.03) AND (TDX_RDP('L2', '', '实际换手率', -2, 1) < 0.28), CODE)
其中，筛选出元宇宙行业、圆弧形形态的股票，并判断前日实际换手率在3%到28%之间，表示该股票有一定的交易量。
python代码参考
import tushare as ts
def get_stock_data():
gg_stocks = ts.get_zz500s()
gg_stocks = gg_stocks[gg_stocks['industry'] == '元宇宙']
today_data = ts.get_today_all()
signal_data = today_data[today_data['industry'] == '元宇宙']
signal_data = signal_data.merge(gg_stocks[['code', 'name', 'industry']], on='code')
arc_shape = []
for code in signal_data['code']:
df = ts.get_k_data(code, start='2020-01-01')
if len(df) >= 4:
if max(df.iloc[-3:]['close']) == df.iloc[-2]['close'] and min(df.iloc[-3:]['close']) == df.iloc[-1]['close']:
arc_shape.append(True)
else:
arc_shape.append(False)
else:
arc_shape.append(False)
signal_data['arc_shape'] = arc_shape
turnover_data = ts.get_day_all('2021-11-05')
turnover_data = turnover_data[turnover_data['code'].isin(signal_data['code'])]
res = signal_data.merge(turnover_data[['code', 'turnoverratio']], on='code')
res = res[(res['turnoverratio'] > 3) & (res['turnoverratio'] < 28)]
return res
print(get_stock_data())
通过股票代码和交易数据，筛选出符合条件的股票信息，其中包括元宇宙行业、前日实际换手率在3%到28%之间、圆弧形形态。最终筛选出符合所有条件的股票。
## 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。
