问财量化选股策略逻辑
该选股策略包括四个条件：元宇宙、竞价主力净买大于0、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万。通过筛选符合要求的股票进行投资。
选股逻辑分析
该选股策略主要通过以下四个条件选择符合要求的个股进行投资：
- 元宇宙：选择热门板块中的个股；
- 竞价主力净买大于0：通过竞价流入流出情况判断竞价主力的买入情况，挑选买入强度高且趋势增强的股票；
- 竞价时涨跌幅买入大单：选择在竞价时以涨停价或上涨10%以上价格成交的大单，判断股票价格上涨可能性；
- 特大单共计买入量大于0.7千万：选择特大单买入量较大且买家市场占优的个股。
综合以上四个条件，选择符合要求的个股进行投资。
有何风险？
- 系统性风险等市场风险；
- 公司财报造假等风险；
- 可能存在价格波动剧烈等股票投资风险。
如何优化？
- 综合运用其他指标，如市盈率、市净率等，增加选股的覆盖面和准确度；
- 细致分析财报，尽可能减少公司造假等风险；
- 考虑长期选股策略，避免短期股价波动的影响。
最终的选股逻辑
该选股策略选择在元宇宙板块中、竞价主力净买大于0、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万的个股作为投资目标。
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
竞价时涨跌幅：REF(OPEN, 0) / REF(OPEN, -1) * 100
特大单共计买入量：VOL * (VOL / VOL_MA(60, 0)) > 20
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()
# 获取所有元宇宙板块中的个股
gnxq = pro.index_basic(
fields='category',
identifying_code='9650',
market='SSE'
)
gnxq_stocks = gnxq.loc[gnxq['category'] == 'GN023']
# 获取符合条件的股票
data_selected = pd.DataFrame()
for code in gnxq_stocks['con_code']:
df = pro.daily(ts_code=code)
if len(df[df['trade_date'] == '20220125']) > 0 and \
(VOL(0) - VOL(2)) * 50 / 10000 > 0 and \
REF(OPEN, 0) / REF(OPEN, -1) * 100 > 10 and \
VOL * (VOL / VOL_MA(60, 0)) > 20:
data_selected = data_selected.append(df[df['ts_code'] == code])
return data_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。
