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、2021年涨幅达到10%以上的股票。
选股逻辑分析
该选股策略主要通过元宇宙板块选出具有明显上涨趋势的股票，并通过近期涨幅限制来筛选出具有较高上涨潜力和市场热度的股票，同时通过量比限制筛选出交易活跃股。
有何风险？
该选股策略同样忽视了公司的基本面情况、资金面情况等，只是单纯的通过市场情绪和走势来进行选股，存在一定投资风险。同时，过度追逐短期涨幅可能会导致错失持续上涨的潜力。
如何优化？
可以加入基本面、资金面等指标进行综合考虑，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、2021年涨幅达到10%以上、市值大于10亿、未来一年预测的利润增长率在前50%、市盈率低于行业平均水平的股票。
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, 243)) - 1 > 0.1 AND (C / REF(C, 243)) - 1 < 1 AND C / REF(C, 242) - 1 > 0.03 AND C / REF(C, 242) - 1 < 0.3 AND C / REF(C, 1) > 10 AND PE < HHV(PE, 60) AND GETTDCOUNT(C,5) > 0；
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']
# 获取涨幅大于10%的股票
df_1 = ts.get_today_all()
df_1 = df_1[df_1['code'].isin(gg_stocks['code'])]
df_1['change_rate'] = (df_1['close'] - df_1['pre_close']) / df_1['pre_close']
df_1 = df_1.loc[df_1['change_rate'] >= 0.1]
# 获取符合市值、未来一年预测利润增长率、市盈率的股票
df_2 = ts.get_stock_basics()
df_2 = df_2[df_2['code'].isin(df_1['code'])]
df_2 = df_2[df_2['outstanding'] >= 10]
df_2 = df_2[df_2['profits_yoy_rank'].rank(ascending=False) <= gg_stocks[gg_stocks['industry']=='元宇宙']['code'].count() / 2]
df_2 = df_2[df_2['pe'] < gg_stocks[gg_stocks['industry']=='元宇宙']['pe'].mean()]
res = pd.merge(df_1[['name', 'open', 'close', 'volume']], gg_stocks[['name', 'industry', 'code']], on='name', how='inner')
res = pd.merge(res, df_2[['code', 'outstanding', 'pe', 'profits_yoy_rank']], on='code', how='inner')
return res[['name', 'industry', 'open', 'close', 'volume', 'outstanding', 'pe', 'profits_yoy_rank']]
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。
