问财量化选股策略逻辑
选股逻辑包括三个条件：选择元宇宙行业的股票、机构动向大于0，流通盘小于等于55亿股。根据这些条件进行选股，进行投资。
选股逻辑分析
该选股策略主要围绕以下三个条件进行选股：
- 选取元宇宙行业中的股票，因为元宇宙领域具有较高的成长性和隐含收益；
- 机构动向具有预测性和引导作用，选择机构买入股票可以获得较好的资本回报；
- 选取流通盘小于等于55亿股的股票进行投资，因为小盘股可能具有较高的投机性和成长性。
综合以上条件，选择符合条件的个股进行投资。
有何风险？
- 行业投资的风险因素较大，选股策略难以捕捉行业整体动向；
- 只考虑机构动向和流通盘可能会忽略一些重要指标；
- 小盘股可能存在较高的风险和不确定性；
- 如果市场整体大跌，该策略可能无法有效保护投资本金。
如何优化？
- 加入行业板块轮动因素，进行相对强势的行业和个股选择；
- 综合考虑不同时间段的股票表现情况，并结合基本面指标等多个维度进行分析；
- 加入风险控制指标，有效保护投资本金；
- 优化流通盘的选股条件，根据市场情况和个股质量等多个维度进行调整。
最终的选股逻辑
该选股策略选择元宇宙行业中，机构动向大于0，流通盘小于等于55亿股的股票进行投资。
同花顺指标公式代码参考
元宇宙行业：GNBK("gnxq");
机构动向：DRS_M("zlltgtzb");
流通盘：CIR3("ltg");
选股公式：GNBK("gnxq") AND DRS_M("zlltgtzb") AND CIR3("ltg") <= 55000000000;
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry,float_share')
data1 = data1[(data1['name'].str.contains('元宇宙')) & (data1['industry'] != '银行') & (data1['float_share'] <= 5.5e10)]
data2 = pro.query('fii_lgt_list', start_date='20220308', end_date='20220308',
fields='ts_code, buy_value, sell_value, net_value')
data2 = data2.groupby(by='ts_code').sum()
data2['net'] = data2['net_value'] / 1e8
data2 = data2.sort_values(by='net', ascending=False)
data2 = data2.iloc[0:100, :]
data2['rank'] = range(1, 101)
data2 = data2.loc[:, ['rank']]
data3 = pro.query('daily_basic', trade_date='20220307',
fields='ts_code, pct_chg',
filters='pct_chg>0')
data7 = pd.concat([data1.loc[:, 'ts_code'], data2, data3.loc[:, 'pct_chg']], axis=1)
data7.columns = ['ts_code', 'ddjlr_rank', 'pct_chg']
data7.reset_index(drop=True, inplace=True)
return data7
## 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。
