问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，同时满足三个技术指标同时金叉，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票进行投资。
选股逻辑分析
该选股策略选择元宇宙行业中，同时满足三个技术指标同时金叉，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票进行投资。其中，技术指标选取了MACD指标，用以判断股票的趋势。竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的条件是为了发现市场热点、关注资金流向，选出实力较强的公司。
有何风险？
该选股策略可能存在以下风险：
- 该策略过于注重短期市场波动，缺乏长期投资价值的发现；
- 筛选出的优质股票数量有限，导致资金集中度过高风险增大；
- 该选股策略可能会忽略股票的基本面变化等问题。
如何优化？
为降低选股策略的风险，可以考虑以下优化方法：
- 基本面分析与技术分析相结合，以寻找真正具备价值的公司；
- 通过增加其他筛选条件，如市值、流通性、市场份额等因素，降低选股风险；
- 结合时间因素，过去买入量大于0.7千万的股票数量不足，也应考虑在一定时间段内累计买入量大于该阈值的股票。
最终的选股逻辑
为完善该选股策略，我们可以给出以下完善版选股逻辑：
在元宇宙行业中，同时满足三个技术指标同时金叉，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票进行投资。
具体选股条件为：
- 行情：SH或SZ
- 技术指标：CROSS(MACD(12,26,9), MACDSignal(12,26,9))、CROSS(MA(5), MA(10))、CROSS(MA(5), MA(20))
- 市场成交：竞价买入大单或特大单共计买入量大于0.7千万
- 行业特点：元宇宙
- 选股条件：CROSS(MACD(12,26,9), MACDSignal(12,26,9))>0 AND
CROSS(MA(5), MA(10))>0 AND
CROSS(MA(5), MA(20))>0 AND
BUY_INFO(code, 'BUY', 'MO', 'AMT', 1)['buy_amt'] +
BUY_INFO(code, 'BUY', 'MT', 'AMT', 1)['buy_amt'] > 7000000 AND
INDUSTRY.industry == '元宇宙'
同花顺指标公式代码参考
- 行情：SH或SZ
- 技术指标：MACD(12,26,9)、MACDSignal(12,26,9)、MA(5)、MA(10)、MA(20)
- 市场成交：BUY_INFO(code, 'BUY', 'MO', 'AMT', 1)['buy_amt'] +
BUY_INFO(code, 'BUY', 'MT', 'AMT', 1)['buy_amt'] > 7000000 - 行业特点：INDUSTRY
- 选股条件：CROSS(MACD(12,26,9), MACDSignal(12,26,9))>0 AND
CROSS(MA(5), MA(10))>0 AND
CROSS(MA(5), MA(20))>0 AND
BUY_INFO(code, 'BUY', 'MO', 'AMT', 1)['buy_amt'] +
BUY_INFO(code, 'BUY', 'MT', 'AMT', 1)['buy_amt'] > 7000000 AND
INDUSTRY.industry == '元宇宙'
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry, start_date, end_date):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb')
df = df[(df['industry'].str.contains(industry))]
k_data = {}
for code in df['ts_code']:
k_data[code] = ts.get_k_data(code, start=start_date, end=end_date)
filtered = []
for code, k in k_data.items():
if (CROSS(MACD(k, 12, 26, 9), MACDSignal(k, 12, 26, 9)) > 0) and \
(CROSS(MA(k, 5), MA(k, 10)) > 0) and (CROSS(MA(k, 5), MA(k, 20)) > 0) and \
(BUY_INFO(code, 'BUY', 'MO', 'AMT', 1)['buy_amt'] + \
BUY_INFO(code, 'BUY', 'MT', 'AMT', 1)['buy_amt'] > 7000000) and \
(INDUSTRY(df, code) == '元宇宙'):
filtered.append([code, df[df['ts_code'] == code]['name'].iloc[0], \
df[df['ts_code'] == code]['pe'].iloc[0]])
return pd.DataFrame(filtered, columns=['ts_code', 'name', 'pe'])
industry = '元宇宙'
start_date = '2021-01-01'
end_date = '2021-12-31'
df = stock_selector(industry, start_date, end_date)
print(df)
以上python代码将返回2021年度内行业为“元宇宙”，同时满足三个技术指标同时金叉，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的所有股票信息。
## 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。
