(supermind量化投资)task13/a/元宇宙、机构动向大于0、资金强度由大到小

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、资金强度由大到小。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：

1. 元宇宙板块中的股票：选择热门板块中的个股；
2. 机构动向大于0：关注机构对个股的投资趋势；
3. 资金强度由大到小：选取市值居前的个股。

综合以上条件，选择合适的个股进行投资。

有何风险？

1. 个股市场表现不如期望，可能出现亏损；
2. 投资人士偏好产生变化，选股策略不再适用；
3. 股市变化过于剧烈，选股策略容易出现失误。

如何优化？

1. 根据市场变化调整选股策略；
2. 增加数据来源，融入更多的基本面分析方法和技术面判断方法；
3. 在实践中积累经验，不断优化选股策略。

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且市值居前的个股进行投资。

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")

资金强度：SF("sz")

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_price = pro.daily(ts_code=','.join(selected_tics), trade_date=trade_date, fields='ts_code,close')
        if data_price.empty:
            continue

        data_price = data_price.sort_values(by='close', ascending=False)[0:30]  # 取市值前30
        selected_tics = data_price['ts_code'].tolist()

        data_moneyflow = pro.moneyflow(ts_code=','.join(selected_tics), start_date=trade_date, end_date=trade_date,
                                       fields='ts_code,trade_date,sz')
        data_moneyflow = data_moneyflow[['ts_code', 'sz']]
        data_price = pd.merge(data_price, data_moneyflow, how='inner', on='ts_code')
        data_price = data_price.sort_values(by='sz', ascending=False)

        data_price['is_selected'] = True
        data_all = pd.concat([data_all, data_price[['ts_code', 'name', 'industry', 'is_selected']]])

    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)