(supermind量化投资)task13/a/元宇宙、前日实际换手率>3~28、下午大单

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

该选股策略选取元宇宙行业中,前日实际换手率在3%~28%之间,同时下午大单净流入的股票进行投资。

选股逻辑分析

该选股策略的选股条件主要包括:

  1. 选取元宇宙行业中的股票,因为这些企业可能受到元宇宙行业内用户需求的影响,具有潜在的成长性;
  2. 前日实际换手率在3%~28%之间,反映市场对其价值有所认可;
  3. 下午大单净流入,意味着市场资金认同其未来的增长潜力。

通过对以上条件进行综合挑选,最终选出符合条件的个股进行投资。

有何风险?

  1. 选取的条件过于简单,可能存在较大的误差和不确定性;
  2. 市场可能出现暴跌或大幅调整,造成选股结果的不确定性;
  3. 下午大单净流入存在操作风险,需要慎重考虑。

如何优化?

  1. 对每个选股条件进行细致的研究和分析,以减少选股误差和提高准确性;
  2. 引入基本面分析因素,加强风险控制;
  3. 加强市场监测,尽可能及时应对市场变化。

最终的选股逻辑

该选股策略选取元宇宙行业中,前日实际换手率在3%~28%之间,同时下午大单净流入的股票进行投资。选股条件具体为:元宇宙行情为GNXQ,前日实际换手率为TURNOVER(2),下午大单净流入为BUYER_MONEY-LSSALE_MONEY>0;

同花顺指标公式代码参考

  • 元宇宙行情:GNBK("gnxq");
  • 前日实际换手率:TURNOVER(2);
  • 下午大单净流入:BUYER_MONEY - LSSALE_MONEY > 0;
  • 选股条件:GNBK("gnxq") AND TURNOVER(2)>3 AND TURNOVER(2)<28 AND BUYER_MONEY - LSSALE_MONEY > 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='SSE', list_status='L', fields='ts_code, name, industry, list_date')
    data1 = data1[data1['industry'].str.contains('元宇宙') & (data1['list_status'].isin(['L', 'N']))]
    data2 = pro.daily_basic(ts_code='', trade_date='20220101', fields='ts_code, turnover_rate, turnover_rate_f')
    data2['actual_turnover'] = data2['turnover_rate_f'] * 100
    data2 = data2[(data2['actual_turnover'] > 3) & (data2['actual_turnover'] < 28)]
    data3 = pro.moneyflow(ts_code='', trade_date='20220309', fields='ts_code, trade_date, buy_sm_vol, sell_sm_vol, buy_md_vol, sell_md_vol, buy_lg_vol, sell_lg_vol')
    data3['buyer_money'] = (data3['buy_sm_vol'] * data3['close'] * 100 + data3['buy_md_vol'] * data3['close'] * 1000 + data3['buy_lg_vol'] * data3['close'] * 10000) / 10000
    data3['ls_sale_money'] = (data3['sell_sm_vol'] * data3['close'] * 100 + data3['sell_md_vol'] * data3['close'] * 1000 + data3['sell_lg_vol'] * data3['close'] * 10000) / 10000
    data3 = data3[(data3['buyer_money'] - data3['ls_sale_money'] > 0)]
    data4 = pd.merge(data1, data2[['ts_code', 'actual_turnover']], on='ts_code', how='inner')
    data5 = pd.merge(data4, data3[['ts_code']], on='ts_code', how='inner')
    return data5[['ts_code', 'name']]
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论