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、10日涨幅大于0小于35的股票。
选股逻辑分析
该选股策略主要通过元宇宙板块选出具有交投活跃性和较高市场热度的股票，并且要求涨幅在一定范围内，符合一定的走势趋势。
有何风险？
该选股策略对于市场变化的适应性较弱，可能会选择出一些过度依赖市场热点的个股，同时没有考虑基本面、资金等因素，存在一定的投资风险。
如何优化？
可以加入一些其他指标，如市值、财务数据、资金面等，建立综合因素模型来筛选符合预期的股票，同时进行适当的风险控制。
最终的选股逻辑
选股逻辑：元宇宙行业、量比大于1.5、量比小于6、10日涨幅大于0小于35的股票、市值大于10亿。
同花顺指标公式代码参考
通达信代码：
SELECT CODE FROM XX WHERE HY = 'C010103' AND VOLUME_RATIO > 1.5 AND VOLUME_RATIO < 6 AND (C / REF(C,10) - 1) * 100 > 0 AND (C / REF(C,10) - 1) * 100 < 35 AND CIRCULATION_MARKET_VALUE / 100000000 > 10;
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']
# 获取符合市值要求的股票
df_1 = ts.get_stock_basics()
df_1 = df_1[df_1['code'].isin(gg_stocks['code'])]
df_1 = df_1[df_1['outstanding'] >= 10]
# 获取符合量比和涨幅要求的股票
df_2 = ts.pro_bar(ts_code=df_1['code'].tolist(), adj='qfq', start_date='20220101')
df_2['pct_chg'] = df_2['close'].pct_change(periods=10) * 100
df_2 = df_2[(df_2['vol'] * 100 / df_1['outstanding'] > 1.5) & (df_2['vol'] * 100 / df_1['outstanding'] < 6)]
df_2 = df_2[(df_2['pct_chg'] > 0) & (df_2['pct_chg'] < 35)]
# 合并数据，返回结果
res = df_1[df_1['code'].isin(df_2['ts_code'].tolist())]
res = pd.merge(res[['name', 'outstanding', 'industry', 'code']], df_2[['ts_code', 'vol', 'pct_chg']], left_on='code', right_on='ts_code', how='inner')
return res[['name', 'outstanding', 'industry', 'code', 'vol', 'pct_chg']]
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。
