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、下午大单净流入。
选股逻辑分析
该选股策略通过结合元宇宙行业、圆弧形形态及下午大单净流入三个特征来筛选股票。该选股策略是一种短线选股策略，考察股票的技术面，如股票价格的变化趋势、交易量等。该策略所涉及到的指标较为简单，易于实施和操作。
有何风险？
该选股策略的风险在于，该策略忽略了公司基本面和未来的盈利预期等因素，可能会选出一些股票估值较高，投资价值较低或者风险较高的股票。此外，作为一种短线选股策略，该策略需要投资者拥有较强的交易技术和处理信息的能力。
如何优化？
可以结合股票基本面和历史数据分析等技术和研究方法，对选股策略进行优化，提高其股票选择的准确度和稳定性，以更好地服务于股票投资。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、下午大单净流入，且市值介于10亿-100亿之间。
同花顺指标公式代码参考
选股策略中的指标需要深入挖掘，结合现有的同花顺指标库进行综合分析。
python代码参考
import akshare as ak
import pandas as pd
def get_stock_data():
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
gg_stock = ak.stock_zh_a_spot_em(symbol=stock_code)
if gg_stock.iloc[0]['industry'] == '元宇宙' and '圆弧形' in gg_stock.iloc[0]['name']:
symbol_history_df = ak.stock_zh_a_hist_hfq(symbol=stock_code)
symbol_history_df_pm = symbol_history_df.iloc[120:]
# 判断股票是否下午大单净流入，市值介于10亿-100亿之间
if (symbol_history_df_pm[symbol_history_df_pm['date'].str.contains('13:30')]['net'] > 0).all() and \
(symbol_history_df.iloc[-1]['market_cap'] >= 10 and symbol_history_df.iloc[-1]['market_cap'] <= 100):
selected_stocks.append(gg_stock)
return pd.concat(selected_stocks)
print(get_stock_data())
通过股票代码、公司基本面和历史交易数据的综合考虑，根据筛选条件如下午大单净流入、市值介于10亿-100亿之间等选出符合条件的股票信息。需要注意的是，该代码仅仅作为示例，需要对选股指标和选股策略进行调整，并将其应用于实际股票投资中。
## 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。
