问财量化选股策略逻辑
选股逻辑包括三个条件：元宇宙板块中的股票、机构动向大于0和DEA上涨。根据这些条件筛选符合条件的股票，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：
- 元宇宙板块中的股票：选择热门板块中的个股；
- 机构动向大于0：关注机构对个股的投资趋势；
- DEA上涨：通过技术面的指标分析，判断趋势是否向上。
综合以上条件，选择合适的个股进行投资。
有何风险？
- 个股市场表现不如期望，可能出现亏损；
- 技术指标具有滞后性，选股策略容易出现误判；
- 股市变化过于剧烈，选股策略容易出现失误。
如何优化？
- 根据市场变化调整选股策略；
- 结合不同技术指标进行综合判断；
- 在实践中积累经验，不断优化选股策略。
最终的选股逻辑
该选股策略选择元宇宙板块中，符合机构动向大于0且DEA指标向上的个股进行投资。
同花顺指标公式代码参考
元宇宙板块：GNBK("gnxq")
机构动向：DRS_M("zlltgtzb")
DEA指标：EMA(CLOSE,12)-EMA(CLOSE,26)
Python代码参考
import pandas as pd
import tushare as ts
import talib
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
t = pro.trade_cal(start_date='20210101')
trade_dates = t[t['is_open'] == 1]['cal_date'].tolist()
data_all = pd.DataFrame()
for trade_date in trade_dates:
data = pro.query(
'stock_basic',
exchange='',
is_hs='H'
)
data = data[data['name'].str.contains('元宇宙')]
codes = data['ts_code'].tolist()
data_inst = pro.moneyflow(ts_code=','.join(codes), start_date=trade_date, end_date=trade_date, fields='ts_code,hgt,mrghgt')
data_inst = data_inst.loc[data_inst['hgt'] > 0, ['ts_code', 'hgt', 'mrghgt']]
data_inst['is_inst_buy'] = data_inst['hgt'] > data_inst['mrghgt']
data_inst = data_inst.loc[data_inst['is_inst_buy'] == True, ['ts_code', 'hgt', 'mrghgt', 'trade_date']]
selected_tics = data_inst['ts_code'].tolist()
data_tech = pro.query('daily', ts_code=','.join(selected_tics), start_date=trade_date, end_date=trade_date, fields='ts_code,trade_date,close')
data_tech = data_tech.sort_values(by='trade_date').reset_index(drop=True)
data_tech['dea'] = talib.EMA(data_tech['close'], timeperiod=12) - talib.EMA(data_tech['close'], timeperiod=26)
data_tech_latest = data_tech.loc[data_tech.index[-1], :]
if data_tech_latest['dea'] < 0:
continue
selected_tics = data_tech_latest['ts_code']
## 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。
