问财量化选股策略逻辑
选股逻辑：选择换手率在3%-12%之间，且当日涨跌幅乘以超大单净量值大于0的股票，并关注元宇宙板块的投资机会。
选股逻辑分析
该选股逻辑选取了换手率在3%-12%之间，同时结合涨跌幅与超大单净量来挖掘市场情况的趋势与市场热度，其中选择当日涨跌幅与超大单净量相乘的方式，能够体现超大单对股票价格涨跌的影响程度。同时该选股逻辑加入元宇宙板块的投资机会，能够关注到市场的新兴趋势。
有何风险？
该选股逻辑依赖于市场热点板块的涨跌，没有考虑基本面因素的影响。并且元宇宙板块仍是新兴板块，可能存在较大的风险，并且该选股逻辑在元宇宙板块内的投资机会选取存在主观因素。
如何优化？
可以添加更多基本面指标，在选股逻辑中添加ROE、EPS等基本面指标。同时可以通过数据挖掘等方式对元宇宙板块内的股票进行量化分析，并结合专业分析师的意见来确定投资机会。在策略中选择特定的超大单净量阈值，并挖掘市场资金的流向，以更优的方式使用该指标。
最终的选股逻辑
选择换手率在3%-12%之间，当日涨跌幅乘以超大单净量大于0，同时关注元宇宙板块的投资机会。
同花顺指标公式代码参考
C1: (MARKET == 'SH' OR MARKET == 'SZ'); // A股市场
C2: (VOLUME > 0) AND ((ABS(CHG) / REF(CLOSE, 1)) * (NET >= 500000) > 0); // 涨跌幅乘以超大单净量大于0
C3: (CONCEPT == '元宇宙') OR (INDUSTRY == '元宇宙'); // 关注元宇宙板块的投资机会
SELECTED: C1 AND C2 AND C3;
// 显示选中股票的名称和代码
LIST_NAMECODE;
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、换手率、涨跌幅、超大单净量、元宇宙板块等数据
return: 选出的股票代码列表
"""
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_date', ascending=True)
if ('SH' in code) and ('ST' not in code) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 100000000) > 0) and \
((df['concept'].str.contains('元宇宙')) | (df['industry'].str.contains('元宇宙'))).iloc[-1] and \
(df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_date（交易日期）、pct_chg（涨跌幅）、net_amount（超大单净量）、concept（所属概念板块）和industry（所属行业板块）等选股指标数据。
## 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。
