(supermind量化投资)task13/a/元宇宙、机构动向大于0、今日上涨>1主板

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:选取元宇宙行业的股票、机构动向大于0、今日上涨大于1%的主板股票。根据这些条件进行选股,进行投资。

选股逻辑分析

该选股策略主要考虑以下三个条件进行选股:

  1. 选取元宇宙行业的股票:选择符合该行业特性的个股;
  2. 机构动向大于0:关注机构对个股的投资热度趋势;
  3. 今日上涨大于1%的主板股票:关注市场情况,选择当前市场表现较强的主板股票。

综合以上条件,选择符合条件的个股进行投资。

有何风险?

  1. 元宇宙行业尚处于发展初期,其股票走势不稳定;
  2. 机构动向具有滞后性,选股策略容易出现误判;
  3. 单一市场情况波动容易导致选股策略出现较大偏差。

如何优化?

  1. 结合不同行业中的指标进行综合判断;
  2. 根据市场变化调整选股策略;
  3. 在市场表现稳定和业绩稳定性较高的个股中进行选择。

最终的选股逻辑

该选股策略选择元宇宙行业中,符合机构动向大于0且今日上涨大于1%的主板股票进行投资。

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")

今日上涨:C/TODAY-C1/YESTERDAY>0.01 AND MARKETTYPE=1

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')]

        data_inst = pro.moneyflow(ts_code=data['ts_code'].tolist(), 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_latest = pro.query(
            'income',
            ts_code=','.join(selected_tics),
            start_date=trade_date,
            end_date=trade_date,
            fields='ts_code,n_income_attr_p'
        )

        data_daily = pro.daily_basic(
            ts_code=','.join(selected_tics),
            trade_date=trade_date,
            fields='ts_code,close'
        )

        data_latest = pd.merge(data_latest,data_daily, on=['ts_code'], how='inner')

        data_latest["n_income_attr_p_profit_yoy"] = (data_latest["n_income_attr_p"] / data_latest["n_income_attr_p"].shift(1) - 1)

        data_latest = data_latest.loc[(data_latest['n_income_attr_p_profit_yoy'] > 0.2)
                                     & (data_latest['n_income_attr_p_profit_yoy'] <= 1.0)
                                     & (data_latest['close']/data_latest['close'].shift(1) > 0.01),['ts_code']]
    ## 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