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、高点为两日最高的股票。
选股逻辑分析
该选股逻辑主要采用技术面指标，寻找具有强势上涨趋势的品种。通过选择元宇宙行业中流通盘小于等于55亿股的股票，并对高点进行限制，可以更好地筛选出有一定上涨潜力的标的。这种选股策略适合用于短期投资和交易，可以在市场走强时获取更多的收益。相比于基本面指标的选股策略，此逻辑更偏重于技术面指标的应用，可以更好地抓住市场热点，获取快速收益。
有何风险？
由于该逻辑过于依赖于技术面指标，缺乏基本面和流动性的参考，可能存在市场波动较大、股票流动性不佳等风险。此外，由于股票价格受多种因素影响，高点的选取也容易出现错误和误判的情况，影响选股策略效果。因此，在使用该选股逻辑时，需要做好风险控制和资金管理，谨慎入市。
如何优化？
为了提高选股逻辑的精确度和可靠性，可以结合基本面指标和市场趋势的参考，选取更加全面、可信和多维度的指标进行选股。此外，可以采用机器学习和深度学习等人工智能算法或者模型对技术面指标进行分析和预测，提高筛选效率和精度。同时，可以关注市场的热点行业和板块，寻找与元宇宙相似的行业板块，以扩大选股空间，提高收益率。
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、高点为两日最高。
同花顺指标公式代码参考
选股策略中需要用到的指标包括：最高价、历史最高价和历史次高价。
Python代码参考
import akshare as ak
def get_hot_stocks():
# 获取所有A股
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
# 根据价格排序，选择最近两日最高价也为历史最高或次高的品种
selected_data = stocks_zh_a_spot_df[stocks_zh_a_spot_df['industry'] == '元宇宙'].sort_values(by='最高价', ascending=False)
selected_data = selected_data[selected_data['流通股本(亿股)'] <= 55].reset_index(drop=True)
max_value = selected_data.head(1)['最高价'].values[0]
second_max_value = selected_data.iloc[1]['最高价']
if max_value > second_max_value:
selected_data = selected_data[selected_data['最高价'] == max_value].reset_index(drop=True)
else:
selected_data = selected_data[selected_data['最高价'] == second_max_value].reset_index(drop=True)
return selected_data
print(get_hot_stocks())
该选股逻辑的Python代码中，采用了历史价位指标，选取出最近两日最高价也为历史最高或次高的品种进行筛选。根据数据源，使用“最高价”指标进行排序，选取价格最高的候选品种，并根据价格关系判断出最高或次高的品种。最终选股逻辑结合了技术面指标和市场行情的分析，具有一定的稳定性和收益率。
## 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。
