** 常用的选股的技术方法是先选强势板块，再从该板块中选择强势个股。** 板块监测功能，具体的操作步骤如下： 　　 **1.**根据市场联动性原理将全部股票划分成33个行业板块和50个概念板块。 **2.**寻找出全部进入上升趋势的板块，排序。第一名板块就是相对放量上涨的板块，意味着市场主流资金在重点买入这个板块。 **3.**选出的股票再进行买卖操作，效果会令人吃惊。 **4.**热点板块转移过程中，大盘往往有一次较大调整，主力资金机构调整持仓结构，换股和板块操作。 **5.**上面是砖家说的，在聚宽实现的代码分享给大家，如何利用记得分享回来　 **6.**买入前倒查一下板块风险？有测试的必要........ **7.**模块把33个行业板块和50个概念板块，放在一起，设置参数可以灵活，按需查询。 **8.**附件回测，只是个应用实例，并实际价值,代码在下面，故克隆随意 ``` def get_top_concepts_or_industries_by_turnover(context, days=5, top_n=5, type='concept'): """ 获取换手率最高的前N个概念或行业板块 :param previous_date: 计算换手率的基准日期，通常是前一天 :param days: 计算换手率的天数 :param top_n: 需要获取的板块数目 :param type: 'concept'表示概念板块，'industry'表示行业板块 :return: list of [板块代码, 板块名称, 换手率] """ previous_date = context.previous_date if type == 'concept': all_blocks = get_concepts() elif type == 'industry': all_blocks = get_industries(name='sw_l1') # 例如，取申万一级行业 else: raise ValueError("参数只能是'concept'或'industry'") # 用于存储所有板块的平均换手率 turnover_data = [] # 遍历所有板块并计算平均换手率 for block_code, block_info in all_blocks.iterrows(): if type == 'concept': stock_pool = get_concept_stocks(block_code, previous_date) else: stock_pool = get_industry_stocks(block_code, previous_date) # 如果板块内有股票，则查询换手率 if stock_pool: turnover_df = get_fundamentals_continuously( query(valuation.turnover_ratio).filter(valuation.code.in_(stock_pool)), end_date=previous_date, count=days, panel=False ) # 计算换手率均值 avg_turnover = turnover_df.groupby('code')['turnover_ratio'].mean().mean() turnover_data.append((block_code, block_info['name'], avg_turnover)) # 根据换手率排序并获取前N个 top_blocks = sorted(turnover_data, key=lambda x: x[2], reverse=True)[:top_n] return top_blocks　 ```