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”，并按个股热度从大到小排序，即选择在元宇宙板块中、竞价主力净买大于0的个股，并按照股票热度从大到小排序。
选股逻辑分析
该选股策略主要依据以下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；
- 股票热度排序：将符合条件的个股按照股票热度从大到小进行排序。
选取符合上述条件的个股作为投资目标，旨在寻找高收益低风险投资标的。
有何风险？
- 投资风险：股票投资具有一定的风险，可能导致投资者财务损失；
- 数据风险：该选股策略基于市场行情和过去的数据，实时性和精准性存在一定偏差；
- 热度排序风险：股票热度排序具有主观性，可能导致选股结果对市场变化不敏感。
如何优化？
- 优化选股指标：通过优化选股指标，加强数据分析和研究，提高选股精准度；
- 全面风险评估：应该综合考虑投资的风险，全面评估个股的市场风险，提高选股结果的可信度；
- 定期更新选股策略：根据市场变化和数据变化，及时调整选股策略，提高选股效果。
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的个股，并按个股热度从大到小排序，筛选条件为选择元宇宙板块中、竞价主力净买大于0的个股，并将符合条件的个股按照个股热度从大到小排序。旨在寻找高收益低风险的投资标的。
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
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()
# 获取符合条件的所有股票的代码
data = pro.query('stock_basic',
fields=['ts_code','name','industry','concept_name', 'list_date','st_flag'],
where={'market':'SSE','list_status':'L','is_hs':'N'})
# 获取符合条件的个股
data_selected = data[(data['gnxq'].str.contains('元宇宙'))]
data_daily = pro.daily_basic(ts_code=data_selected['ts_code'].str.cat(sep=','), fields='ts_code, buy_l, sell_l')
data_selected = data_selected.set_index('ts_code').join(data_daily.set_index('ts_code')).dropna().reset_index()
data_selected['main_lx'] = data_selected['buy_l'] - data_selected['sell_l']
data_selected['main_pos'] = data_selected.groupby('ts_code')['main_lx'].apply(lambda x: (x >= x.quantile(0.9) ).sum() / len(x))
# 选择符合条件的个股，并按股票热度从大到小排序
data_selected = data_selected[(data_selected['main_pos']>=0.3)].sort_values('main_pos', ascending = False)
selected = data_selected.head(5)
return 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。
