问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，并按照资金强度由大到小排序。
选股逻辑分析
该选股策略的主要选股条件包括：选择元宇宙行业中的股票、股票均价站在五日均线之上以及按照股票的资金强度排序。
通过选择元宇宙行业中的股票可以关注到这个行业的潜在成长性，而股票均价站在五日均线之上暗示着股票价格上涨趋势，因此被选中的股票有可能持续上涨。按照资金强度由大到小排序，可以筛选出资金流入较多的个股。
有何风险？
该选股策略可能会受到市场情况的影响，因此可能存在一些风险：
- 资金强度变化较快，判断股票的投资价值可能存在滞后性；
- 市场短期波动可能会影响资金流入个股的情况，导致排序不准确。
如何优化？
为了减小选股策略受到的风险，可以进行如下优化：
- 加入其他技术指标，或者基本面进行分析；
- 调整股票的选股条件以适应市场变化；
- 增加其他约束条件，比如市值、流通股占比等。
最终的选股逻辑
该选股策略选择元宇宙行业中，股票均价站在五日均线之上，并按照资金强度由大到小排序的股票。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价站在五日均线之上可以通过计算五日均价和股票的收盘价比较；
- 按资金强度排序可以通过涨跌幅或资金净流入量等指标进行计算。
例如：
INDUSTRYIDB(2859,GNXQ) AND MA(C,5) > MA(C,5)[1] AND
C/REF(C,1) -1 > 0.02 ORDER BY C/REF(C,1) -1 DESC;
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
- 资金强度可以通过涨跌幅或资金净流入量等指标进行计算。
在通达信中，可以使用如下指标代码：
C/REF(C,1) -1 > 0.02 ORDER BY C/REF(C,1) -1 DESC;
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='SZSE', list_status='L', fields='ts_code, name, industry, list_date, total_share, float_share, market_cap')
data2 = pro.moneyflow(trade_date='20220501', fields='ts_code,trade_date,pct_chg,net_mf_amount')
data3 = data2[(data2['trade_date'] == '20220501') & (data2['pct_chg'] > 2)]
data4 = data3.sort_values(by=['net_mf_amount'], ascending=False)
data5 = pro.query('stock_basic', exchange='SZSE', list_status='L', fields='ts_code, name, industry')
data6 = pd.merge(data1, data4, on='ts_code', how='inner')
data7 = pd.merge(data6, data5, on='ts_code', how='inner')
if len(data7) > 0:
return data7[['ts_code', 'name']]
else:
return pd.DataFrame()
## 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。
