问财量化选股策略逻辑
选股策略为：在元宇宙行业中选取开盘价在十日均线左右，且昨天换手率大于8%的股票。
选股逻辑分析
本选股策略同样以行业和技术指标作为筛选条件，但加入了股票的换手率因素。昨天换手率较高代表市场对该股票的关注度有所提升，因此可以作为选股的一个辅助因素。但是本选股策略加入的选股因素仍然比较局限，未涵盖到基本面和其他市场因素。
有何风险？
本选股策略中的风险主要表现在以下几个方面：
- 过度依赖技术指标和股票换手率因素，可能忽略其他重要的因素；
- 只考虑昨天换手率可能无法体现股票的实际表现；
- 选股逻辑中存在干扰项，如开盘价在十日均线左右并不一定能代表股票的实际表现。
如何优化？
为了提高本选股策略的可靠性和全面性，可以加入其他市场、经济和基本面因素，如加入企业基本面数据、市场分析数据和行业风险等数据，以帮助更好地评估股票的发展价值。另外，可以适当放宽选股条件，加入更多的技术指标和基本面因素，以选择更多有潜力的股票。
最终的选股逻辑
在元宇宙行业中，选取开盘价在十日均线左右且昨天换手率大于8%的股票。
同花顺指标公式代码参考
选出符合元宇宙行业的股票：INDUSTRY == '元宇宙';
选取开盘价在十日均线左右的股票：
CROSS(OPEN, MA(CLOSE, 10)) AND CROSS(MA(CLOSE, 10), REF(CLOSE, 1));
昨天换手率大于8%：
TURNOVER > 8;
合并选股条件：
(INDUSTRY == '元宇宙') AND \
(CROSS(OPEN, MA(CLOSE, 10)) AND CROSS(MA(CLOSE, 10), REF(CLOSE, 1))) AND \
(TURNOVER > 8);
python代码参考
import tushare as ts
import pandas as pd
def get_eligible_stocks():
eligible_stocks = []
stock_data = ts.get_stock_basics()
for stock_code, row in stock_data.iterrows():
if '元宇宙' not in row['industry']:
continue
if (ts.get_today() - row['timeToMarket']).days < 365 * 2:
continue
if row['circulating_assets'] < 10000000000:
continue
yesterday_data = ts.get_hist_data(stock_code, start=(pd.Timestamp.today().date() - pd.Timedelta(days=2)).strftime('%Y-%m-%d'), end=(pd.Timestamp.today().date() - pd.Timedelta(days=1)).strftime('%Y-%m-%d'))
if yesterday_data.empty or yesterday_data.iloc[0]['turnover'] < 8:
continue
prices = ts.get_k_data(stock_code, index=True)[['date', 'open', 'close', 'high', 'low', 'volume', 'amount']]
if len(prices) < 20:
continue
ma10 = prices['close'].rolling(10).mean()
if not ((prices['open'] - ma10).abs() / prices['open'] < 0.05).iloc[-1]:
continue
eligible_stocks.append(stock_code)
return eligible_stocks
print(get_eligible_stocks())
本代码同样使用tushare库来获取股票数据，根据选股逻辑筛选符合条件的股票。本代码加入了昨天换手率的判断和较为完整的选股条件比较，可以更全面地筛选出符合条件的股票。
## 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。
