(supermind量化投资)task13/a/元宇宙、机构动向大于0、15分钟周期MAC

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑包括三个条件:元宇宙板块中的股票、机构动向大于0、15分钟周期MACD绿柱变短。根据这些条件筛选符合条件的股票,进行投资。

选股逻辑分析

该选股策略主要考虑以下三个条件进行选股:

  1. 元宇宙板块中的股票:选择热门板块中的个股;
  2. 机构动向大于0:关注机构对个股的投资趋势;
  3. 15分钟周期MACD绿柱变短:在价值基础上,关注股票技术面的变化,根据MACD绿柱的变化判断股票是否进入卖出阶段。

综合以上条件,选择合适的个股进行投资。

有何风险?

  1. 技术面判断存在一定误差,可能会出现判断失误的情况;
  2. 行情变化剧烈,可能导致卖出时机判断偏差,造成损失;
  3. 市场变化较大时,有可能导致该策略的适用性降低。

如何优化?

  1. 融入更多的基本面分析方法和技术面判断方法;
  2. 根据市场变化适时调整选股策略;
  3. 在实践中积累经验,不断优化选股策略。

最终的选股逻辑

该选股策略选择元宇宙板块中,符合机构动向大于0,且15分钟周期MACD绿柱变短的个股进行投资。

同花顺指标公式代码参考

元宇宙板块:GNBK("gnxq")

机构动向:DRS_M("zlltgtzb")

MACD指标公式:SELECT_MACD('ipc', 15, 30, 9)

Python代码参考

import pandas as pd
import tushare as ts

def stock_selector():
    ts.set_token('your_token')
    pro = ts.pro_api()
    t = pro.trade_cal(start_date='20210101')
    trade_dates = t[t['is_open'] == 1]['cal_date'].tolist()

    data_all = pd.DataFrame()
    for trade_date in trade_dates:
        data = pro.query(
            'stock_basic',
            exchange='',
            is_hs='H'
        )

        data = data[data['name'].str.contains('元宇宙')]

        codes = data['ts_code'].tolist()

        data_inst = pro.moneyflow(ts_code=','.join(codes), start_date=trade_date, end_date=trade_date, fields='ts_code,hgt,mrghgt')
        data_inst = data_inst.loc[data_inst['hgt'] > 0, ['ts_code', 'hgt', 'mrghgt']]
        data_inst['is_inst_buy'] = data_inst['hgt'] > data_inst['mrghgt']
        data_inst = data_inst.loc[data_inst['is_inst_buy'] == True, ['ts_code', 'hgt', 'mrghgt', 'trade_date']]
        selected_tics = data_inst['ts_code'].tolist()

        data_price = pro.bar(ts_code=','.join(selected_tics), freq='15min', start_date=trade_date,
                               fields='ts_code,trade_date,close,macd,macdhist,macdsignal')
        if data_price.empty:
            continue

        data_price = data_price.sort_values(by='trade_date', ascending=False).groupby('ts_code').head(2)

        data_price = data_price[(data_price['macdhist'] < 0) & (data_price['macdhist'] > data_price['macdhist'].shift(1))]

        data_price = data_price.sort_values(by='close', ascending=False)[0:30]  # 取市值前30
        selected_tics = data_price['ts_code'].tolist()

        data_price['is_selected'] = True
        data_all = pd.concat([data_all, data_price[['ts_code', 'name', 'industry', 'is_selected']]])

    return data_all
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论