问财量化选股策略逻辑
选股逻辑包括三个条件：选择元宇宙行业的股票、机构动向大于0，昨日主力控盘。根据这些条件进行选股，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：
- 选取元宇宙行业股票，瞄准未来的投资机会；
- 机构动向具有一定预测性和引导作用，选股策略容易捕捉机构动向；
- 主力控盘可视为市场情绪的一个重要指标，选股策略容易捕捉股票的市场情绪。
综合以上条件，选择符合条件的个股进行投资。
有何风险?
- 行业投资的风险因素较大，选股策略难以捕捉行业整体动向。
- 单一的机构资金流入并不能全面反映市场情况。
- 昨日主力控盘不能保证该股票有明显上升趋势。
- 股票投资具有较高风险。
如何优化?
- 加入其他行业、板块和市场因素，以较全面地掌握市场情况。
- 使用其他技术指标和基本面数据进行筛选，综合考虑股票的投资价值。
- 严格控制风险，设置止盈和止损等风险控制策略。
最终的选股逻辑
该选股策略选择元宇宙行业中机构动向大于0且昨日主力控盘的股票进行投资。
同花顺指标公式代码参考
元宇宙行业：GNBK("gnxq");
机构动向：DRS_M("zlltgtzb");
昨日主力控盘：C!=O AND (H-L)/(O-C)>=0.7;
通达信公式：GNBK("gnxq") AND DRS_M("zlltgtzb") AND C!=O AND (H-L)/(O-C)>=0.7;
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()
data = pro.query('stock_basic', exchange='', is_hs='H')
data = data[data['name'].str.contains('元宇宙')]
data_inst = pro.moneyflow(ts_code=data['ts_code'].tolist(), fields='ts_code,hgt,mrghgt,lczczk')
data_inst = data_inst.loc[data_inst['hgt'] > 0, ['ts_code', 'hgt', 'mrghgt', 'lczczk']]
data_inst['is_inst_buy'] = data_inst['hgt'] > data_inst['mrghgt']
data_inst = data_inst.loc[data_inst['is_inst_buy'] == True, ['ts_code']]
data_price = pro.query('daily', ts_code=data['ts_code'].tolist(), adj='qfq', end_date=pd.to_datetime('today').strftime('%Y%m%d'))
data_price = data_price.loc[data_price['trade_date'].astype(int) == pd.to_datetime('today').strftime('%Y%m%d'), ['ts_code']]
data_vol = pro.query('moneyflow_hsgt', ts_code=data['ts_code'].tolist(), start_date=(pd.to_datetime('today') - pd.to_timedelta('2 days')).strftime('%Y%m%d'), end_date=pd.to_datetime('today').strftime('%Y%m%d'))
data_vol['is_inst_buy'] = data_vol['hgt'] > data_vol['sgt']
data_vol = data_vol.loc[data_vol['is_inst_buy'] == True, ['ts_code', 'close', 'open', 'high', 'low']]
data_vol['is_control'] = ((data_vol['close'] != data_vol['open']) & ((data_vol['high'] - data_vol['low']) / (data_vol['open'] - data_vol['close']) >= 0.7))
data_vol = data_vol.loc[data_vol['is_control'] == True, ['ts_code']]
data_all = pd.concat([data, data_inst, data_price, data_vol], axis=1).dropna()
data_all = data_all[['ts_code']]
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。
