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、当日收盘价小于BOLL(upper值)且大于BOLL(mid值)。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：
- 选取元宇宙行业股票，瞄准未来的投资机会；
- 机构动向具有一定的预测性和引导作用，选股策略容易捕捉机构动向；
- 在BOLL指标下，当日收盘价小于BOLL(upper值)且大于BOLL(mid值)时，股票呈现出一定的接近上轨和中轨的趋势。此时，股票具有一定的走势上升空间。
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；
- 机构资金流向并不能完全代表市场交易情况，有可能存在流动性不足或其他风险；
- BOLL指标具有一定的主观性和局限性，很难完全量化股票走势；
- 股票投资具有较高风险。
如何优化？
- 加入其他行业、板块和市场因素，以较全面地掌握市场情况；
- 考虑加入其他技术指标和基本面数据进行综合考虑股票的投资价值；
- 加入一些复合指标来代替BOLL指标，以增强选股的判断能力；
- 特别注意股票投资的风险，进行风险控制。
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且当日收盘价小于BOLL(upper值)且大于BOLL(mid值)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");
BOLL指标：BOLL(CLOSE,20,2);
收盘价小于BOLL(upper值)且大于BOLL(mid值)：C<BOLL(UPPER,20,2) AND C>BOLL(MID,20,2);
通达信公式：GNBK("gnxq") AND DRS_M("zlltgtzb") AND C<BOLL(UPPER,20,2) AND C>BOLL(MID,20,2);
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')
data1 = data1[(data1['name'].str.contains('元宇宙')) & (data1['industry'] != '银行')]
data2 = pro.moneyflow(trade_date='20220308', fields='ts_code, trade_date, buy_sm_vol, sell_sm_vol, buy_md_vol, \
sell_md_vol, buy_lg_vol, sell_lg_vol, buy_elg_vol, sell_elg_vol, buy_value, sell_value, net_mf_vol')
data2 = pd.concat([data2.loc[:, 'ts_code'], data2.loc[:, 'net_mf_vol']], axis=1)
data2.columns = ['ts_code', 'net_inst_buy']
data2 = data2.loc[data2.net_inst_buy > 0, :]
data3 = pro.query('daily_basic', trade_date='20220308', fields='ts_code,trade_date,close,pb,pe')
data3['boll_mid'] = data3['close'].rolling(20).mean()
data3['boll_std'] = data3['close'].rolling(20).std(ddof=0)
data3['boll_upper'] = data3['boll_mid'] + 2 * data3['boll_std']
data3 = data3[['ts_code', 'close', 'boll_mid', 'boll_upper']]
data3 = data3[(data3['close'] >= data3['boll_mid']) & (data3['close'] <= data3['boll_upper'])]
data4 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,list_date')
data4 = data4.loc[data4['ts_code'].isin(data3['ts_code']) & (data4['list_date'] < '20200101') & \
(data4['ts_code'].isin(data2['ts_code'])), ['ts_code']]
return data4
## 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。
