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”、“10日涨幅大于0小于35”三个条件，即选择在元宇宙板块中、竞价主力净买大于0，且近期涨幅在一定范围内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：
- 元宇宙板块：选择热门板块中的个股；
- 竞价主力净买：通过竞价流入流出情况，筛选竞价主力净买大于0的股票；
- 10日涨幅：选择近期涨幅在0到35%之间的股票，可以同时考虑股票的短期趋势和风险控制。
通过以上选股逻辑，选取符合上述条件的个股作为投资目标，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；
- 以单一板块为标准选股，忽视股票的基本面和整体市场情况；
- 数据风险：该选股策略基于市场行情和历史数据，实时性和精准性存在一定偏差；
- 竞价主力净买指标无法全面反映市场情况，可能存在一定风险；
- 近期涨幅过大或者过小可能存在风险。
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；
- 加强数据收集、处理及技术分析手段，降低数据偏差；
- 优化选股策略的参数设定，及时进行调整和优化；
- 建立实时更新的选股系统，保持与市场的同步。
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且10日涨幅处于0到35%之间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
10日涨幅：(CLOSE - REF(CLOSE, 9)) / REF(CLOSE, 9) * 100 > 0 AND (CLOSE - REF(CLOSE, 9)) / REF(CLOSE, 9) * 100 < 35
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, start_date='20210101', end_date='20211231')
if not df.empty:
# 判断股票是否符合选股条件
if df['vol'].sum() > 0 and df['amount'].iloc[-1] / df['vol'].iloc[-1] > df['close'].iloc[-1] and 0 <= df['pct_chg'].rolling(window=10).mean().iloc[-1] <= 35:
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。
