问财量化选股策略逻辑
选股逻辑：元宇宙,流通市值大于100亿元,20日均线大于120日均线。
选股逻辑分析
该选股策略要求股票符合元宇宙板块，流通市值大于100亿元，并且股票的短期均线上穿了长期均线。该选股策略注重股票的市场地位和市场规模，同时也考虑到股票的技术面。选股策略降低风险，增加获利机会。
有何风险？
短期均线上穿长期均线的情况可能是短期市场情绪的反应，并不能完全反映公司股票的内在价值。此外，该策略不考虑 PE 比等公司基本面因素。因此，选股结果仍需要股票投资者自行评估。
如何优化？
可以引入更多的股票基本面指标，如收入、净利润和现金流等指标，以便在选择符合选股策略的股票时，结合一些股票的具体运营情况从而判断其很高潜力股的能力。
最终的选股逻辑
选股逻辑：元宇宙,流通市值大于100亿元,20日均线大于120日均线，且市盈率小于50。
同花顺指标公式代码参考
以下是利用同花顺自定义指标进行筛选的代码片段：
选股公式：
板块="元宇宙"
AND 流通市值>1000000000
AND MA(C,20)>MA(C,120)
AND C/PAC<50
自定义指标代码：
"指标名称：C/PAC
公式：C/PAC=C/LAG(PAC,1)"
Python代码参考
以下是利用Python进行选股的代码片段：
import akshare as ak
# 获取深证主板股票列表
stock_zh_a_spot_df = ak.stock_zh_a_spot(青岛啤酒)
# 筛选流通市值大于100亿元的股票
stock_zh_a_spot_df = stock_zh_a_spot_df[stock_zh_a_spot_df['流通市值']>1000000000]
# 筛选20日均线大于120日均线的股票
for stock_code in stock_zh_a_spot_df['代码']:
stock_kline_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
if stock_kline_df is not None and len(stock_kline_df.index) >= 120:
ma_20 = stock_kline_df.tail(20)['close'].mean()
ma_120 = stock_kline_df.tail(120)['close'].mean()
if ma_20 > ma_120:
selected_stocks.append(stock_code)
# 筛选元宇宙板块的股票
# 注：需要先进行板块分类，再筛选元宇宙板块的股票
# 同花顺中的板块分类代码为：“#B10”，可以按照同花顺代码和对应板块进行修改
stock_zh_a_spot_df = stock_zh_a_spot_df[stock_zh_a_spot_df['所属行业'].str.contains("元宇宙")]
# 筛选市盈率小于50的股票
stock_zh_a_stock_ticket_df= ak.stock_fundamental(stock="沪深300", indicator="市盈率（PE,TTM）", year="2020")
selected_stocks = list(stock_zh_a_stock_ticket_df[stock_zh_a_stock_ticket_df['市盈率（PE,TTM）']<50]['代码'].values)
## 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。
