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、当日出现酷特智能早晨之星。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；
- 机构动向具有一定的预测性和引导作用，选股策略容易捕捉机构动向；
- 酷特智能早晨之星是一种多方向的形态，预示着股票价格即将上涨。
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；
- 机构资金流向并不能完全代表市场交易情况，有可能存在流动性不足或其他风险；
- 酷特智能早晨之星可能并不一定具有显著的预测性；
- 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；
- 考虑加入其他技术指标和基本面数据进行综合考虑股票的投资价值；
- 加入一些复合指标来代替单一指标，以增强选股的判断能力；
- 特别注意股票投资的风险，进行风险控制。
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且当日出现酷特智能早晨之星的股票进行投资。
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");
酷特智能早晨之星：IF(DATETODAY<>REF(DATETODAY,1) AND REF(CLOSE,1)<REF(OPEN,1) AND OPEN<CLOSE AND
OPEN<REF(OPEN,1) AND CLOSE<REF(CLOSE,1) AND OPEN>MIN(CLOSE,REF(CLOSE,1)) AND OPEN<(CLOSE+REF(CLOSE,1))/2
AND REF(LOW,1)<OPEN,1,0);
当日出现酷特智能早晨之星：CROSS(JC,0) AND REF(JC,1)=0;
通达信公式：GNBK("gnxq") AND DRS_M("zlltgtzb") AND CROSS(JC,0) AND REF(JC,1)=0;
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry')
data1 = data1[(data1['name'].str.contains('元宇宙')) & (data1['industry'] != '银行')]
data2 = pro.moneyflow(trade_date='20220308', fields='ts_code, trade_date, buy_sm_vol, sell_sm_vol, buy_md_vol, \
sell_md_vol, buy_lg_vol, sell_lg_vol, buy_elg_vol, sell_elg_vol, buy_value, sell_value, net_mf_vol')
data2 = pd.concat([data2.loc[:, 'ts_code'], data2.loc[:, 'net_mf_vol']], axis=1)
data2.columns = ['ts_code', 'net_inst_buy']
data2 = data2.loc[data2.net_inst_buy > 0, :]
data3 = pro.query('daily', ts_code='', start_date='20220308', end_date='20220308', fields='ts_code,trade_date,\
open,close')
data3['date'] = pd.to_datetime(data3['trade_date'])
data4 = data3[data3['close'] < (data3['open'] + data3['close']) / 2]
data4 = data4[data4['open'] < data4['close']]
data4 = data4[(data4['close'] < data4['open'].shift()) & \
(data4['open'] < data4['close'].shift()) & \
(data4['open'] > data4['close'].shift(-1))]
data4 = pd.DataFrame(data4.loc[:, 'ts_code'].value_counts()).reset_index()
data4.columns = ['ts_code', 'count']
data4 = data4[data4['count'] == 1]
data5 = pro.query('daily_basic', trade_date='20220308', fields='ts_code,trade_date,close,pb,pe')
data5 = data5[(data5['ts_code'].isin(data4['ts_code'])) & (data5['ts_code'].isin(data2['ts_code'])) & \
(data5['close'] < (data5['close'].rolling(20).mean() + 2 * data5['close'].rolling(20).std()))]
return data5
## 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。
