问财量化选股策略逻辑
选股逻辑：元宇宙行业、量比大于1.5、量比小于6、近25个交易日有单日涨幅大于等于百分之10的股票。
选股逻辑分析
该选股策略不仅关注行业和成交量，还加入了交易日涨幅条件，可以更好地反映出股票的上涨趋势。同时，交易日涨幅的时间窗口设定为25个交易日，较为合理。
有何风险？
该选股策略仍然可能忽略了公司基本面的考虑，而过于关注短期表现。同时，仅从过去25个交易日的单日涨幅来判断股票的未来走势，很可能存在过度拟合的情况。
如何优化？
可以结合基本面指标，如市值、营收、净利润等，以增加选股策略的准确性和长期价值。同时，采用更科学的统计方法来评估股票表现，避免对短期表现的过度依赖。
最终的选股逻辑
选股逻辑为：元宇宙行业、量比大于1.5、量比小于6、近25个交易日有单日涨幅大于等于百分之10的股票，市值小于200亿的股票。
同花顺指标公式代码参考
通达信代码：
SELECT STOCK_CODE FROM XX WHERE HY = 'C010103' AND VOLUME_RATIO > 1.5 AND VOLUME_RATIO < 6 AND (DAYRATIO(FROM_HIGH) < -10 AND COUNT(DAYRATIO(FROM_HIGH)>=10) > 0) AND MARKET_VALUE / 100000000 < 200;
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']
# 获取符合条件的股票
df = ts.pro_bar(api=ts.get_apis(), ts_code='', freq='D', start_date='', end_date='', ma=[5, 10, 20], factors=['vr'], adj='qfq')
# 筛选近25个交易日有单日涨幅大于等于10%的股票
df['from_high'] = df.groupby(['ts_code'])['close'].apply(lambda x: (x.max() - x) / x.max() * 100)
df = df[df['from_high'] >= 10].groupby(['ts_code']).apply(lambda x: len(x)).reset_index(name='count')
df = df[df['count'] > 0]
# 筛选量比符合条件的股票
df = df[df['volume_ratio'] > 1.5 & df['volume_ratio'] < 6 & df['code'].isin(gg_stocks['code'])]
df_2 = ts.get_stock_basics()
df_2 = df_2[df_2['code'].isin(df['code'])]
df_2 = df_2[df_2['circulating_market_cap'] / 100000000 <= 200]
# 合并数据，返回结果
res = pd.merge(df[['ts_code', 'from_high']], df_2[['name', 'code', 'circulating_market_cap', 'pe', 'roe', 'net_profits', 'rev']], left_on=['ts_code'], right_on=['code'], how='inner')
res = res.rename(columns={'circulating_market_cap': '流通市值', 'pe': '市盈率', 'roe': 'ROE', 'net_profits': '净利润', 'rev': '营收增长率'})
return res
print(get_stock_data())
## 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。
