问财量化选股策略逻辑
该选股策略包括三个条件：元宇宙、竞价主力净买大于0、今日最低价小于昨日最低价。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三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；
- 今日最低价小于昨日最低价：选择当前股价较低、具有一定反弹潜力的股票。
综合以上三个条件，选择符合要求的个股进行投资。
有何风险？
- 短期反弹可能无法持续，存在价格风险；
- 公司财报造假等风险；
- 可能存在市场风险等股票投资风险。
如何优化？
- 结合其他指标，如市销率、净利润增长率等，综合分析股票的基本面和市场情况，提高选股准确度；
- 加强对公司股票财务报表的分析，尽可能减少公司财报造假等风险；
- 加入更多长期稳健的选股逻辑，避免短期反弹带来的价格风险。
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、今日最低价小于昨日最低价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
今日最低价小于昨日最低价：LOW < REF(LOW, 1)
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 \
LOW(0) < REF(LOW,1):
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。
