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、昨日竞价换手率大于0.26的股票。
选股逻辑分析
该选股逻辑注重元宇宙行业的投资机会，限制了股票流通盘和昨日竞价换手率的范围，以控制风险和提高选股准确性。昨日竞价换手率是反映股票交易活跃程度的指标，适当选取符合该范围的昨日竞价换手率的股票可以从短期上提高股票的盈利机会。
有何风险？
该选股逻辑缺少基本面和宏观经济数据的支持，且过多地依靠市场交易数据，可能忽略了基本面和宏观经济因素对于股票的持续趋势影响，存在一定的选股偏差。同时，在选股因素中加入昨日竞价换手率可能存在某些市场行情波动所导致的选股误差，需要谨慎选择。
如何优化？
为了优化选股逻辑的选股能力和鲁棒性，可以加入更多的基本面数据和宏观经济因素进行研究和分析，建立更加完整的选股模型和框架。同时，在选股因素中加入市盈率、市净率等基本面和技术面指标，提高选股策略综合考虑多维因素的能力，并及时调整选股标准，避免过度追求单一因素，保证选股策略的全面性和准确性。
最终的选股逻辑
选股逻辑为：元宇宙行业、市值不高于100亿、流通盘小于等于55亿股、昨日竞价换手率大于0.26、市盈率小于50的股票。
同花顺指标公式代码参考
市值指标：...
流通盘指标：...
竞价换手率指标：...
市盈率指标：...
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义市值指标、流通股指标和昨日竞价换手率指标
data = ...
# 自定义市盈率指标
data['PE_ratio'] = ...
return data
def hot_stock_strategy(data):
# 筛选符合条件的股票
conditions = [
(data['industry'] == '元宇宙'), # 所属行业为元宇宙
(data['market_cap'] <= 100), # 市值不超过100亿
(data['CMV'] <= 55), # 流通股份不超过55亿
(data['turnover_rate'] > 0.26), # 昨日竞价换手率大于0.26
(data['PE_ratio'] < 50), # 市盈率小于50
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_hot_stocks():
# 获取所有A股
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
# 根据股票代码获取历史交易数据
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
selected_data = hot_stock_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_hot_stocks())
在该选股逻辑的Python代码中，加入了更多的基本面数据和宏观经济因素进行筛选和分析，同时加入了市值、昨日竞价换手率、市盈率和流通盘等基本面数据的限制，避免了流动性风险和信息不对称的问题，提高选股策略的全面性和可靠性。最终的选股逻辑在考虑了基本面数据的情况下，加入昨日竞价换手率和市盈率指标，以进一步提高选股准确性和可靠性。
## 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。
