问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、剔除北京A股、元宇宙A股中进行选择。
选股逻辑分析
该选股逻辑侧重于选取处于元宇宙领域的优质股票，通过换手率来筛选流动性好的股票，剔除北京A股减少官方政策的干预。元宇宙领域未来有望成为新的赛道，利好于元宇宙产业龙头股等。
有何风险？
该选股逻辑的风险包括：1. 在元宇宙领域，目前处于发展初期，只有少数公司可以达到领头羊地位，标的选择较少；2. 短期内元宇宙领域可以快速炒作，但利好的长期支撑尚未完全显现。
如何优化？
可以通过深入了解元宇宙领域内的公司、行业信息，在标的筛选和后续持有操作上掌握更好的主动性；同时，在选取标的时可以结合公司商业模式、产品可持续性等方面进行了解和验证。
最终的选股逻辑
在换手率3%-12%、剔除北京A股、元宇宙A股中进行选择，深入了解并优选符合商业模式、产品可持续性等方面的公司。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03 AND HSL <= 0.12 AND SUBSTR(ZQ, 1, 2) == 'SH' AND pe_ttm >= 10 AND (industry == '软件服务' OR industry == '计算机应用' OR industry == '互联网') AND ((SUBSTR(name, 1, 3) == '聚合数据' AND SUBSTR(name, 4, 1) <= '9') OR (SUBSTR(name, 1, 7) == '博彦科技' AND SUBSTR(name, 8, 1) <= '9') OR (SUBSTR(name, 1, 5) == '腾讯控股')))
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
end_date = datetime.datetime.today().strftime('%Y%m%d')
# 获取股票列表
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, list_date')
for ts_code in stock_list['ts_code']:
# 剔除北京A股
if stock_list[stock_list.ts_code == ts_code].iloc[0]['area'] == '北京':
continue
# 判断是否在元宇宙领域
if '软件服务' not in stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'] and '计算机应用' not in stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'] and '互联网' not in stock_list[stock_list.ts_code == ts_code].iloc[0]['industry']:
continue
# 判断换手率是否在范围内
daily_data = pro.daily_basic(ts_code=ts_code, start_date=end_date, end_date=end_date)
if daily_data.iloc[-1]['turnover_rate'] < 3 or daily_data.iloc[-1]['turnover_rate'] > 12:
continue
# 判断PE是否大于等于10
pe_data = pro.daily_basic(ts_code=ts_code, start_date=end_date, end_date=end_date, fields='pe_ttm')
if pe_data.iloc[-1]['pe_ttm'] < 10:
continue
# 判断公司名是否符合标准
name = stock_list[stock_list.ts_code == ts_code].iloc[0]['name']
if not ((name.startswith('聚合数据') and name[3].isdigit()) or (name.startswith('博彦科技') and name[7].isdigit()) or (name.startswith('腾讯控股'))):
continue
good_list.append({
'ts_code': ts_code,
'name': stock_list[stock_list.ts_code == ts_code].iloc[0]['name'],
'industry': stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'],
'market': stock_list[stock_list.ts_code == ts_code].iloc[0]['market'],
})
good_stocks = pd.DataFrame(good_list)
return good_stocks
good_stocks = get_good_stocks()
print(good_stocks)
## 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。
