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、市值100亿以内、近3年净利润均为正数的股票。
选股逻辑分析
该选股策略主要通过元宇宙板块选出了具有较高交投活跃性和热度的股票，同时挑选了财务表现优秀的企业。
有何风险？
该选股策略对市场变化适应性较弱，未对其他基本面指标进行考虑，存在一定的投资风险。
如何优化？
应对市场状况及不同股票的特点，可以选择其他指标进行筛选，如股息率、价值、成长性等，以提高选股精度。
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、市值100亿以内、近3年净利润均为正数的股票、PEG小于1
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 CIRCULATION_MARKET_VALUE / 100000000 <= 100 AND (NOT EXISTS(SELECT 1 FROM YY WHERE CODE = XX.CODE AND REPORT_DATE = '20210930' AND NET_PROFIT < 0)) AND (NOT EXISTS(SELECT 1 FROM YY WHERE CODE = XX.CODE AND REPORT_DATE = '20200630' AND NET_PROFIT < 0)) AND (NOT EXISTS(SELECT 1 FROM YY WHERE CODE = XX.CODE AND REPORT_DATE = '20190630' AND NET_PROFIT < 0)) AND PEG < 1;
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'] * df_1['price'] / 100000000 <= 100)]
# 获取符合财务指标要求的股票
df_2 = ts.profit_data(year=2021, top=2000)
df_2 = df_2[df_2['code'].isin(df_1['code'].tolist())]
df_2 = df_2[df_2['roe'] > 0]
df_2 = df_2[df_2['net_profits'].rolling(window=3).apply(lambda x: (x > 0).all())]
df_2 = df_2[df_2['peg'] < 1]
# 合并数据，返回结果
res = pd.merge(df_1[['name', 'outstanding', 'industry', 'code', 'circulating_market_cap']], df_2[['code', 'roe', 'net_profits', 'vol', 'peg']], on='code', how='inner')
res = res.rename(columns={'circulating_market_cap': '市值', 'roe': 'ROE', 'net_profits': '净利润', 'vol': '量比', 'peg': 'PEG'})
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。
