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、昨天3连板的股票。
选股逻辑分析
该选股策略结合了行业、成交量和技术面指标，具有一定的操作性。将昨天3连板作为选股依据，考虑了股票的走势，更符合短期操作的需求。同时，元宇宙作为未来发展潜力巨大的新兴行业，具有较高的成长性潜力。
有何风险？
该选股策略忽略了公司的基本面数据，如财务数据、行业地位等，存在选股偏颇的风险。同时，过度依赖技术面指标，忽略了其他因素对于股价的影响，存在操作风险。
如何优化？
可以引入其他基本面指标，如财务数据、行业地位等，提高选股的准确度和长期收益性。同时，可以综合考虑股票的走势、技术面、基本面等多重因素，给予更为全面的判断。
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、昨天3连板、市值小于500亿的股票。
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 (SELECT COUNT(*) FROM XX WHERE BOARD_COUNT = 3 AND TRADING_DATE = DATE_ADD(CURRENT_DATE, INTERVAL -1 DAY)) >= 1 AND MARKET_VALUE / 100000000 < 500;
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']
df = ts.get_stock_basics()
df = df[df['code'].isin(gg_stocks['code'])]
# 筛选昨天3连板股票
df['board_count_1d'] = df.groupby(['code'])['board_count'].shift(1)
df['board_count_2d'] = df.groupby(['code'])['board_count'].shift(2)
df['board_count_3d'] = df.groupby(['code'])['board_count'].shift(3)
df = df[(df['board_count'] - df['board_count_1d'] == 1) & (df['board_count_1d'] - df['board_count_2d'] == 1) & (df['board_count_2d'] - df['board_count_3d'] == 1)]
# 筛选量比符合条件的股票
df = df[df['volume_ratio'] > 1.5 & df['volume_ratio'] < 6]
df = df[df['circulating_market_cap'] / 100000000 < 500]
res = df[['name', 'code', 'circulating_market_cap', 'pe', 'roe', 'net_profits', 'rev']]
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。
