问财量化选股策略逻辑
选股逻辑：元宇宙、昨天换手率＞8%、高点为两日最高。
选股逻辑分析
该选股策略首先选取元宇宙板块的股票，然后筛选出昨天换手率大于8%的股票。在这个基础上，增加了高点为两日最高的条件，即选中的股票必须是近两日的股票价格高点。该选股策略结合了行业热度、股票流通性以及价格趋势等多个方面的因素，可综合考虑股票的投资价值。
有何风险？
该选股策略的风险仍较大，在增加价格趋势因素时，应该注意过度依赖技术分析指标而导致投资决策过于主观；同时在市场环境发生变化时，该策略可能无法适应市场的变化，从而导致投资收益下降。
如何优化？
可以增加基本面因素，如市盈率、市净率等，来综合考虑股票的价值。同时，可以引入最近一段时间的股票涨跌幅和涨跌额因素，以充分考虑市场趋势。
最终的选股逻辑
选股逻辑：元宇宙、昨天换手率＞8%、高点为两日最高。
同花顺指标公式代码参考
元宇宙板块：CATEGORY = 'SW1_zxx'
昨日换手率大于8%：VOLPRI > 0.08
两日高点：HHV(MAX(CLOSE, REF(CLOSE, 1)), 2)
符合条件的股票：CATEGORY = 'SW1_zxx' AND VOLPRI > 0.08 AND CLOSE=HHV(MAX(CLOSE, REF(CLOSE, 1)), 2)
Python代码参考
相应的Python选股代码如下:
import akshare as ak
# 获取元宇宙板块数据
yxu_stocks = ak.stock_zh_a_classified_sector()
yxu_stocks = yxu_stocks[yxu_stocks['name'] == '元宇宙']
# 筛选出昨日换手率大于8%的股票
volpri_data = ak.stock_zh_a_hist(symbol="", adjust="qfq")
volpri_data = volpri_data[['symbol', '日期', '换手率']].pivot(index='symbol', columns='日期', values='换手率')
yesterday_volpri_data = volpri_data.iloc[:, -2] # 注意这里的iloc需要根据实际数据结构进行调整
selected_stocks = yesterday_volpri_data[yesterday_volpri_data > 0.08].index.tolist()
# 筛选出高点为两日最高的股票
import numpy as np
price_data = ak.stock_zh_a_hist(symbol="", adjust="qfq")
price_data['MAX'] = np.maximum(price_data['收盘价'], price_data['收盘价'].shift(1))
high_point_data = price_data[['交易日期', '股票代码', '收盘价', 'MAX']].groupby('股票代码').agg({'收盘价': 'max', 'MAX': 'max'})
selected_stocks_high_point = high_point_data[high_point_data['收盘价'] == high_point_data['MAX']].index.tolist()
selected_stocks_final = list(set(selected_stocks) & set(selected_stocks_high_point))
## 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。
