问财量化选股策略逻辑
选股逻辑包括三个条件：元宇宙板块中的股票、机构动向大于0、主升起动。根据这些条件筛选符合条件的股票，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：
- 元宇宙板块中的股票：选择热门板块中的个股；
- 机构动向大于0：关注机构对个股的投资趋势；
- 主升起动：关注股价在主升行情中的走势。
综合以上条件，选择合适的个股进行投资。
有何风险？
- 主升起动指标具有滞后性，可能存在信息不完全的风险；
- 该选股策略可能会过度追涨，存在股价高估的风险；
- 行业板块风险可能影响所选个股的市场表现；
- 机构动向指标可能有误判的风险。
如何优化？
- 加入其他基本面和技术面分析方法，以更好地评估股票的价值；
- 优化选股标准，尽量避免过度追涨情况的出现；
- 加强对行业板块风险的分析，选择适当的个股投资；
- 根据市场情况灵活调整选股策略，避免投资风险。
最终的选股逻辑
该选股策略选择元宇宙板块中，符合机构动向大于0，且符合主升起动选股标准的个股进行投资。
同花顺指标公式代码参考
元宇宙板块：GNBK("gnxq")
机构动向：DRS_M("zlltgtzb")
主升起动：MINDX(ABS(MA((CLOSE-LLV(LOW,120))/(HHV(HIGH, 120)-LLV(LOW,120))*100, 50)-50), 20, F2)
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')]
codes = data['ts_code'].tolist()
data_inst = pro.moneyflow(ts_code=','.join(codes), 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_today_inst = pro.moneyflow(ts_code=','.join(selected_tics), start_date=trade_date, end_date=trade_date, fields='ts_code,trade_date,hsl')
data_today_inst['is_inst_buy_today'] = data_today_inst['hsl'] > 5
data_today_inst = data_today_inst.loc[data_today_inst['is_inst_buy_today'] == True, ['ts_code', 'trade_date']]
data_price = pro.index_daily(ts_code='399001.SZ', start_date=trade_date, end_date=trade_date, fields='ts_code,close')
if data_price.empty:
continue
price = data_price['close'].values[0]
data_selected = pd.merge(data_today_inst, data_inst, on=['ts_code', 'trade_date'], how='inner')
data_selected['price'] = price
data_selected['is_selected'] = data_selected['price'] >= data_selected['price'].shift(1)
data_all = pd.concat([data_all, data_selected[data_selected['is_selected']][['ts_code', 'name', 'industry']]])
return data_all
## 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。
