问财量化选股策略逻辑
选股逻辑为：元宇宙行业、量比大于1.5、量比小于6，剔除昨日涨停的股票。
选股逻辑分析
该选股策略与前一个版本相比，剔除了昨日涨停的股票，更加注重容错和稳健性，体现了选股过程中的风险控制思想。但该方法依然忽略了股票的基本面和价值等因素，风险较大。
有何风险？
该选股策略的风险来自于缺乏基本面和价值等方面的考虑，过度追求短期内的涨势，容易造成选股偏颇。此外，仅剔除昨日涨停不能完全避免风险，因为过度关注股票的涨势本身就具有风险。
如何优化？
可以加入基本面和价值等因素，形成多维度的选股策略，综合考虑股票的短期和长期表现，提高选股的准确性和可操作性。此外，可以介入资金量、市场情绪等指标，更加精准地捕捉市场机会，实现策略效果的提升。
最终的选股逻辑
选股逻辑为：元宇宙行业、量比大于1.5、量比小于6，剔除昨日涨停的股票。
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 VOLUME_RATIO > 1.5 AND VOLUME_RATIO < 6 AND ST_ROLL_ZT < 1 AND ST_ROLL_ZT > 22 AND ST_ROLL_ZT !=0;
python代码参考
import tushare as ts
import datetime
def get_last_month():
today = datetime.date.today()
last_month = today - datetime.timedelta(days=30)
return last_month.strftime("%Y-%m-%d")
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'])]
# 筛选量比符合条件的股票
df = df[df['volume_ratio'] > 1.5 & df['volume_ratio'] < 6]
# 筛选未涨停的股票
today = datetime.datetime.now().strftime('%Y-%m-%d')
last_month = get_last_month()
zt_df = ts.get_today_ticks(df['code'])
zt_df = zt_df[(zt_df['change'] < 10) & (zt_df['time'] >= last_month) & (zt_df['time'] <= today)]
res = df[df['code'].isin(zt_df['code'])][['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。
