(supermind量化投资)task13/a/元宇宙、前日实际换手率>3～28、机构动向

问财量化选股策略逻辑

该选股策略选取元宇宙行业中，前日实际换手率在3%-28%之间且机构动向大于0的股票进行投资。

选股逻辑分析

该选股策略主要围绕以下条件进行选股：

1. 选取元宇宙行业中的股票，因为这些企业可能受到元宇宙行业内用户需求的影响，具有潜在的成长性；
2. 前日实际换手率在3%-28%之间，可能表示该个股存在着资金流动性和市场认可度；
3. 机构动向大于0，可能表示市场机构对该个股看好，有可能是该股票存在潜在上涨空间。

通过综合以上条件，选取符合条件的个股进行投资。

有何风险？

1. 市场风险和行业风险，都有可能导致选股结果出现失误；
2. 机构动向大于0的选股条件，可能受到机构合计持股股数、机构成交量等多方面因素影响，并不能完全准确反映机构的看好程度和投资决策；
3. 修改前日实际换手率的取值范围和机构动向判断规则可能会产生不同的选股结果。

如何优化？

1. 在选股条件中加入其他指标，如市盈率、市净率等基本面指标；
2. 优化机构动向选股指标的取值和判断规则；
3. 多维度分析选股结果，权衡各指标选股结果的差异。

最终的选股逻辑

该选股策略选取元宇宙行业中，前日实际换手率在3%-28%之间且机构动向大于0的股票进行投资。

同花顺指标公式代码参考

• 元宇宙行情：GNBK("gnxq");
• 前日实际换手率：TURNOVER(2);
• 机构动向：IF(COMPANYHOLDERCONT > YESTERDAY(COMPANYHOLDERCONT), 1, 0);
• 选股条件：GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND IF(COMPANYHOLDERCONT > YESTERDAY(COMPANYHOLDERCONT), 1, 0) > 0;

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='SSE', list_status='L', fields='ts_code,name,industry')
    data1 = data1[data1['industry'].str.contains('元宇宙')]
    data2 = pro.daily_basic(ts_code='', trade_date='20220111', fields='ts_code,company_holder_controller')
    data2['institution_trend'] = data2['company_holder_controller'] > data2['company_holder_controller'].shift(1)
    data2['institution_trend'] = data2['institution_trend'].map(int)
    data3 = pd.merge(data1, data2[['ts_code', 'institution_trend']], on='ts_code', how='inner')
    data4 = pro.daily(ts_code='', start_date='20210101', end_date='20220111', fields='ts_code,trade_date,close')
    data4 = data4.pivot(index='trade_date', columns='ts_code', values='close')
    data4 = data4.T
    data5 = pro.daily_basic(ts_code='', trade_date='20220111', fields='ts_code,turnover_rate')
    data5['actual_turnover'] = data5['turnover_rate'] * 100
    data5 = data5[data5['actual_turnover'] > 3]
    data5 = data5[data5['actual_turnover'] < 28]
    data6 = pd.merge(data4.iloc[-2], data3, on='ts_code', how='inner')
    data6 = pd.merge(data6, data5[['ts_code']], on='ts_code', how='inner')
    return data6

    ## 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)