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“周K线上穿30周线”。
选股逻辑分析
该选股逻辑关注在多个角度来筛选适合买入的股票。元宇宙是当前的热点板块，竞价主力净买则是反映了资金流入的情况，周K线上穿30周线则表示股价处于上升通道之中，具有一定的增长潜力。选取符合这些条件的股票可以更准确地获利。
有何风险？
- 盲目跟风：该策略具有一定的主观性，选股过程存在盲目跟风的风险；
- 数据滞后：选股策略依赖于历史数据，当市场状况发生剧变时，会出现数据滞后导致选股无法准确反映当前市场情况；
- 技术面因素：选股策略仅考虑了股价的上涨情况，忽略了其他技术面因素，例如市场流动性和每股收益等因素。
如何优化？
- 加入更多有效的选股因子，例如融资融券等等；
- 对选股因子的权重进行调整和修正，使得选股结果更加准确；
- 增加其他技术面指标或者基本面指标来剔除风险，例如市盈率等。
最终的选股逻辑
从市场热点板块、资金流向、技术面因素来筛选上升趋势的股票。
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
周K线上穿30周线：(MA(CLOSE, 30) - REF(MA(CLOSE, 30), 1)) > 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()
# 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['ma30'] = pro.query('weekly', ts_code=data['ts_code'],
start_date='20201201', end_date='20211022', fields='close').groupby('ts_code').apply(lambda x: pd.Series(x['close'].rolling(30).mean().values, index=x['trade_date']))
data['week_k_cross'] = (data['ma30'] > data['ma30'].shift(1))
# 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['week_k_cross']]
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。
