问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形态、换手率>2%且<9%。
选股逻辑分析
该选股逻辑同样包括元宇宙行业和圆弧形态的选股条件，但加入了换手率的筛选条件。此时，选股者着重关注的是股票的流动性和市场成交情况。
有何风险？
该选股逻辑考虑了流动性和成交情况，但过于依赖换手率这一指标，容易被市场上短期的交易活动所影响，选股的可靠性不够稳定。
如何优化？
可以考虑加入更多的技术指标，如均线、RSI等指标，以及基本面数据，如财报数据、公司公告等数据，以更综合的方式筛选股票。同时，可以利用机器学习算法训练出更准确、更稳健的选股模型。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形态、换手率>2%且<9%+技术面指标（如均线、RSI等指标）、基本面数据。
同花顺指标公式代码参考
元宇宙行业可以通过万德或通联数据获取，也可以自行定义股票所属行业。
圆弧形态无默认指标公式，需要根据市场自行定义。
股票换手率可以通过同花顺数据源获取。
技术面指标可以通过通达信数据源获取。
基本面数据可以通过东方财富、资讯天地等数据源获取。
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义圆弧形态
data['CIR'] = abs(data['high'] - data['low']) / data['close'].shift(1) * 100
return data
def high_liquidity_strategy(data):
# 筛选符合条件的股票
conditions = [
(data['industry'] == '元宇宙'), # 所属行业为元宇宙
(data['CIR'] > 0), # 圆弧形态自定义指标
(data['turnover_ratio'] > 0.02) & (data['turnover_ratio'] < 0.09) # 换手率条件
# 这里加入其他技术指标和基本面数据的筛选条件
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_stock_data():
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
stock_hist['stock_code'] = stock_code # 添加股票代码列
selected_data = high_liquidity_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_stock_data())
该代码与前一个选股逻辑的代码基本相同，在此基础上加入了换手率的筛选条件。同时需要注意的是，在国内市场中，换手率一般采用的是每日的成交量/流通股本。因此，程序需要在使用期间实时获取股票的流通股本和成交量数据。
## 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。
