问财量化选股策略逻辑
该选股策略包含元素“元宇宙”、“竞价主力净买大于0”、“反包”三个条件，即选择在元宇宙板块中、竞价主力净买大于0、具有反包性质的股票作为投资目标。
选股逻辑分析
该选股策略主要依据以下三个条件筛选符合要求的股票进行投资：
- 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，筛选竞价主力净买大于0的股票；
- 反包：股票走势出现包含关系，即多头和空头都存在，其后多头超越空头，并且突破，则具有反包的性质。
通过以上选股逻辑，选择符合上述条件的个股进行投资，追求较高的市场回报与增值潜力。
有何风险？
- 投资风险：股票投资存在一定风险，可能导致投资者财务损失；
- 反包指标无法全面反映市场情况，可能存在一定风险；
- 选择具有反包性质的股票，可能会降低投资准确度。
如何优化？
- 结合其他指标，综合分析股票的基本面和市场情况，提高选股准确度；
- 选股范围不要过小，应该考虑更多不同板块和类型的股票，避免过分集中风险；
- 关注资金流向，及时了解市场情况，根据情况适当调整选股范围和条件。
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、具有反包性质的优质股票作为投资目标。
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
反包：TDX_HHVBARS(0,20,2)
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_basic(ts_code=code, start_date='20210101', end_date='20211231')
if not df.empty:
# 判断股票是否符合选股条件
if TDX_HHVBARS(0, 20, 2) and (VOL(0) - VOL(2)) * 50 / 10000 > 0:
data_selected = data_selected.append(data[data['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。
