问财量化选股策略逻辑
该选股策略包含元素“元宇宙”、“竞价主力净买大于0”和“下午大单净流入”，即选择元宇宙相关板块、有资金流入且当天下午大单净流入的个股。
选股逻辑分析
该选股策略主要依据以下条件筛选符合要求的股票进行投资：
- 元宇宙板块：选择热门板块中的个股；
- 竞价主力净买：通过竞价流入流出情况，筛选竞价主力净买大于0的股票；
- 下午大单净流入：筛选下午大单净流入的个股，体现了市场对该股票的看好度和资金流入情况。
该选股策略选取的个股代表了较高的投资收益和利润在短时间内的实现，但也带来了股价下跌风险的可能。
有何风险？
- 投资风险：股票投资具有一定的风险，可能导致投资者财务损失；
- 数据风险：该选股策略基于市场行情和过去的数据，实时性和精准性存在一定偏差；
- 市场热点板块的变化：市场热点和板块难以预测，可能导致选股失误。
如何优化？
- 优化选股指标：通过优化选股指标，加强数据分析和研究，提高选股精准度；
- 全面风险评估：应该综合考虑投资的风险，全面评估个股的市场风险，提高选股结果的可信度；
- 定期更新选股策略：根据市场变化和数据变化，及时调整选股策略，提高选股效果。
最终的选股逻辑
该选股策略选择元宇宙板块内，有资金流入且下午大单净流入的个股，筛选条件为选择满足元宇宙板块、竞价主力净买大于0，下午大单净流入的个股。旨在寻找具有较高收益率和可行性的投资个股。
同花顺指标公式代码参考
元宇宙：GNBK("gnxq")
竞价主力净买：(VOL - 3- 5 + 1) * 50 / 10000
下午大单净流入：((C - O) / O > 0.02) AND (VOL / AVG(VOL, 20) > 1.5)
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()
# 获取符合条件的所有股票的代码
data = pro.query('stock_basic',
fields=['ts_code','name','industry','concept_name', 'list_date','st_flag'],
where={'market':'SSE','list_status':'L','is_hs':'N'})
# 获取符合条件的个股
today = datetime.now().strftime('%Y%m%d')
data_today = pro.query('fut_daily_detail',
fields=['ts_code','trade_date','vol','amount','jb','yjb','today_oi', 'open', 'close', 'high', 'low'],
where={'trade_date':today})
data_yesterday = pro.query('fut_daily_detail',
fields=['ts_code','trade_date','vol','amount','jb','yjb','today_oi', 'open', 'close', 'high', 'low'],
where={'trade_date':(datetime.now() - pd.Timedelta(days=1)).strftime('%Y%m%d')})
data_merged = data.merge(data_today, on='ts_code', how='left').merge(data_yesterday, on='ts_code', how='left').dropna()
data_merged['turnover'] = data_merged['vol_x'] / data_merged['vol_y']
# 选择符合条件的个股
data_selected = data_merged[(data_merged['gnxq'].str.contains('元宇宙')) & (data_merged.groupby('ts_code')['jb'].apply(lambda x: x.iloc[-1]>0).fillna(False)) & (data_merged['turnover'] > 0.5) & (data_merged['turnover'] < 2) & ((data_merged['close_x'] - data_merged['open_x']) / data_merged['open_x'] > 0.02) & (data_merged['vol_x'] / data_merged['vol_x'].rolling(20).mean() > 1.5)]
selected = data_selected.head(5) # 选择前5个符合条件的个股
return selected
## 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。
