问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，并且下午大单净流入。此选股条件通过技术面验证，结合成交量面的判断，以寻找有资金支持的标的，更有潜力。
选股逻辑分析
该选股策略在技术面和成交量面上进行验证，依据金叉判断技术面走势，再依据下午大单净流入判断资金面的支撑情况。选股特点在于筛选了成交量较为活跃且技术面走势较好的股票，以确保投资标的具有持续性和稳定性。稳健型和成长型的投资者更适合此选股策略。
有何风险？
该选股策略存在以下风险：
- 只依赖于技术指标和大单成交量进行选股，忽略一些公司基本面和宏观经济面的重要变化；
- 资金和流动性都是市场波动的指标，选股策略会受到市场波动和资金流向的影响；
- 元宇宙行业投资风险高，存在市场波动风险。
如何优化？
为减少选股策略的风险和提高选股成功率，可以考虑以下优化方法：
- 在技术指标和大单成交量的基础上，结合公司基本面进行选股，以确保选出的标的更具价值；
- 定量化下午大单净流入的判断，避免人为主观因素的影响；
- 在寻找更佳投资标的的同时进行风险控制，设定止损等措施。
最终的选股逻辑
综合以上分析，可以得出一个完善的选股逻辑：选择元宇宙行业中，同时满足三个技术指标同时金叉，并且下午大单净流入的股票进行投资。此选股条件结合了技术面和成交量面的多重验证，选择相对活跃且持续性较好的标的，以达到稳健增长的投资目标。
具体的选股条件为：
- 元宇宙行情：GNBK('gnxq')
- 技术指标：CROSS(MACD(12,26,9), MACDSignal(12,26,9))、CROSS(MA(5), MA(10))
- 资金面：AFTERNOONNETFLOW >= 0
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 技术指标：MACD(12,26,9)、MACDSignal(12,26,9)、MA(5)、MA(10)
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(list_status='L',exchange='',\
fields='ts_code,symbol,name,area,industry,list_date')
df = df[df['industry']==industry]
df['list_date'] = pd.to_datetime(df['list_date'])
df = df[df['list_date'] < pd.Timestamp('2017-01-01')]
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df = df[(df['macd']>0)]
index = 'sh' if industry in ['互联网', '半导体'] else 'sz'
df['flow'] = ts.get_sina_dd(index+df['symbol'], '2022-01-14', 2, 100000)[['net']].sum()
df = df[(df['flow']>0)]
return df[['ts_code', 'name', 'industry']]
industry = '元宇宙'
df = stock_selector(industry)
print(df.head())
以上代码将返回行业为“元宇宙”且同时满足三个技术指标金叉，并且下午大单净流入的所有股票信息。
## 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。
