问财量化选股策略逻辑
选股逻辑包括三个条件：选取元宇宙行业的股票、机构动向大于0、KDJ中的K指标增长值。根据这些条件进行选股，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：
- 选取元宇宙行业的股票：选择符合该行业特性的个股；
- 机构动向大于0：关注机构对个股的投资热度趋势；
- KDJ中的K指标增长值：选择KDJ指标中K值增长较快的个股，可作为股票走势的参考指标；
- 综合以上条件选出符合要求的股票进行投资。
综合以上条件，选择符合条件的个股进行投资。
有何风险？
- 元宇宙行业尚处于发展初期，其股票走势不稳定；
- 机构动向具有滞后性，选股策略容易出现误判；
- KDJ指标具有滞后性，选股策略容易出现误判；
- 市场波动大，选股策略容易受到市场影响。
如何优化？
- 结合不同行业中的指标进行综合判断；
- 调整选股策略中的条件权重；
- 定期更新数据并重新评估选股策略。
最终的选股逻辑
该选股策略选择元宇宙行业中，机构动向大于0且KDJ指标中的K值增长较快的个股。
同花顺指标公式代码参考
元宇宙行业：GNBK("gnxq")
机构动向：DRS_M("zlltgtzb")
KDJ指标中K值增长值：(HKDJ("k")-LKDJ("k")>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()
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')]
data_inst = pro.moneyflow(ts_code=data['ts_code'].tolist(), 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_basic = pro.query('stock_basic', ts_code=','.join(selected_tics), fields='ts_code')
data_kdj = pro.query('daily_basic', ts_code=','.join(selected_tics), start_date=trade_date, end_date=trade_date, fields='ts_code,kdj_k')
data_kdj = data_kdj.loc[data_kdj['kdj_k'].diff() > 0, ['ts_code', 'kdj_k']]
selected_tics = list(set(data_basic['ts_code'].tolist()).intersection(set(data_kdj['ts_code'].tolist())))
data_daily = pro.daily(
ts_code=','.join(selected_tics),
trade_date=trade_date,
fields='ts_code,close,pct_chg'
)
return data_daily
## 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。
