问财量化选股策略逻辑
选股逻辑为：元宇宙行业，圆弧形形态，换手率在3%到12%之间的股票。
选股逻辑分析
该选股策略综合考虑了行业、形态和基本面中的一个因素，即换手率，选出了换手率在一定范围内的元宇宙行业内形态符合条件的股票，提高了策略的可靠性。
有何风险？
该选股逻辑仅考虑了行业、形态和换手率等因素，没有综合考虑其他技术因素和基本面因素，同时，该逻辑选股仅考虑了圆弧形形态，存在选择偏颇的风险。
如何优化？
可以综合考虑更多的技术面和基本面因素，例如RSI、MACD等指标，形成多维度的选股策略，提高选股的准确性和适用性。此外，可以在形态指标的基础上加入更多形态，例如双顶、双底等不同形态，避免对股票的形态进行过于单一的判断。同时，可以考虑加入其他基本面因素，例如市盈率、市净率等指标，从更多角度进行选股。
最终的选股逻辑
选股逻辑为：元宇宙行业，圆弧形形态，换手率在3%到12%之间的股票。
同花顺指标公式代码参考
通达信代码：
SELECT STOCK_CODE FROM XXX WHERE
HY = 'C010103'
AND ABS((HIGH-OPEN)/OPEN) > 0.01
AND ABS((LOW-OPEN)/OPEN) > 0.01
AND ABS((HIGH-LOW)/OPEN) > 0.01
AND TURNOVER > 0.03 AND TURNOVER < 0.12
AND LLV(LOW,30) >= REF(MA(CLOSE,60),1)
AND REF(MA(CLOSE,60),1) >= REF(MA(CLOSE,60),5)
AND LLV(LOW,10) == LOW;
python代码参考
import tushare as ts
import talib
def get_stock_data():
gg_stocks = ts.get_zz500s()
gg_stocks = gg_stocks[gg_stocks['industry'] == '元宇宙']
df = ts.get_today_all()
df = df[df['code'].isin(gg_stocks['code'])]
# 选出换手率在3%到12%之间的股票
df = df[(df['turnoverratio'] > 0.03) & (df['turnoverratio'] < 0.12)]
# 选出圆弧形形态
close_ma60 = df['close'].rolling(60).mean()
ref_close_ma60 = close_ma60.shift(1)
low_llv30 = df['low'].rolling(30).min()
df = df[(abs((df['high']-df['open'])/df['open']) > 0.01)
& (abs((df['low']-df['open'])/df['open']) > 0.01)
& (abs((df['high']-df['low'])/df['open']) > 0.01)
& (low_llv30 >= ref_close_ma60)
& (ref_close_ma60 >= ref_close_ma60.shift(4))
& (df['low'].rolling(10).min() == df['low'])]
res = df[['name', 'code', 'industry', 'total_mv', 'pb', 'pe']]
res = res.rename(columns={'total_mv': '总市值', 'pb': '市净率', 'pe': '市盈率'})
return res
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。
