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”和“竞价涨幅＞-2＜5”。
选股逻辑分析
该选股策略综合考虑了板块热点、资金流向和技术分析等多方面因素。要求选出具备三个方面优点的股票：一是处于元宇宙热点板块中，二是竞价主力净买入，表明资金流入较多，三是竞价涨幅在一定范围内，表明该股票的短期市场表现较为稳定。
有何风险？
- 市场风险：市场行情变化可能导致策略不再适用；
- 技术面风险：技术面指标有可能受到市场利空消息等因素的干扰而出现错误信号；
- 选股偏差：该策略的选股条件中，某些条件会产生一定的主观性和片面性。
如何优化？
- 加入更多的选股条件，提高筛选的严谨性；
- 设置技术面指标的阈值，进行进一步筛选；
- 定期回溯和优化，避免盲目跟进和过于乐观。
最终的选股逻辑
综合考虑元宇宙市场热点、竞价主力净买和短期市场表现等多方面因素，选出具备优点的股票。
同花顺指标公式代码参考
元宇宙：SELECTEDINDUSTRY("gnxq")
竞价主力净买：(VOL - 3 – 5 + 1) * 50 / 10000
竞价涨幅：(CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1) * 100
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'],
where={'market':'SSE','list_status':'L','is_hs':'N'})
data['jbmoneysum'] = pro.moneyflow(ts_code=data['ts_code'], start_date='20190101',
end_date='20211022', fields='jb').groupby('ts_code')['jb'].sum()
data['yyzbl'] = data['concept_name'].apply(lambda x: '元宇宙' in x)
data['jbmoneysum_positive'] = data['jbmoneysum'] > 0
data['jjzf'] = (pro.query('top_list', trade_date='20211022', fields='ts_code, pct_chg, deal_price').groupby('ts_code')
.apply(lambda x: (x['deal_price'].iloc[-1] - x['deal_price'].iloc[-2])/x['deal_price'].iloc[-2]*100))
data['jjzf_between'] = (data['jjzf'] > -2) & (data['jjzf'] < 5)
# 可以加入其他指标的筛选条件和综合分析
selected = data[data['yyzbl'] & data['jbmoneysum_positive'] & data['jjzf_between']]
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。
