(supermind量化投资)task13/a/元宇宙、竞价主力净买大于0、非ST(10点

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

该选股策略包含元素“元宇宙”、“竞价主力净买大于0”、“非ST”和“五部涨停战法”。

选股逻辑分析

该选股策略主要考虑市场热点、资金流向、股票属性和技术指标等多方面因素,筛选出符合条件、具有投资潜力的股票,具体逻辑如下:

  1. 元宇宙:选择当前热门板块中的个股进行筛选;
  2. 竞价主力净买:根据个股的竞价流入流出情况,筛选竞价主力净买大于0的股票;
  3. 非ST:排除ST类股票,以避免市场风险;
  4. 五部涨停战法:以当前市场情况中的五部涨停板的股票为基准,选择其它相关涨幅较大的股票作为潜在热点。

综合这些因素,筛选出符合条件的股票,以期获得较好的投资收益。

有何风险?

  1. 数据风险:该策略基于市场行情和历史数据,存在数据风险;
  2. 风险控制不足:虽然排除了ST类股票,但可能存在其他类型风险股票;
  3. 打板风险:五部涨停战法需谨慎使用,打板风险较大;
  4. 时间限制:由于是在10点之前选股票,可能存在信息不足或过时的情况。

如何优化?

  1. 加强风险控制:对各类风险因素进行更加精准的筛选和控制,以避免投资损失;
  2. 加强技术指标筛选:使用更加完善的技术指标体系,筛选出更加优质的股票;
  3. 调整选股时间:选择更加合适的选股时间,以获取更加优质的信息。

最终的选股逻辑

从市场热点板块、资金流向、股票属性、技术指标和时间等多方面角度出发,筛选符合条件的、具有投资潜力的个股,即满足元宇宙投资方向,竞价主力净买大于0,排除ST类股票,选择涨幅较大的潜在热点股票,选股时间采用10点之前的数据。同时,加强对风险因素的识别和控制,提高选股的准确性和风险控制能力。

同花顺指标公式代码参考

元宇宙:GNBK("gnxq")

竞价主力净买:(VOL - 3 - 5 + 1) * 50 / 10000

涨幅超过5%的股票:((CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1)) > 0.05

非ST: ~(LEFT(REGEX_MATCH(ST_FLAG, "^ST"), 2) == 'ST')

Python代码参考

import pandas as pd
import tushare as ts
from datetime import datetime

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', 'list_date','st_flag'], 
                where={'market':'SSE','list_status':'L','is_hs':'N'})
    
    current_time = datetime.now().time()
    if current_time < datetime.strptime('10:00:00', '%H:%M:%S').time():
        trade_date = pro.trade_cal(exchange='', start_date='20211022', end_date='20211022',
                                   fields='cal_date', is_open='1').values[0][0]
        data['5d_returns'] = pro.daily(ts_code=data['ts_code'], trade_date=trade_date,
                          fields='ts_code,close', start_date=(datetime.strptime(trade_date, '%Y%m%d') - pd.Timedelta('5 days')).strftime('%Y%m%d'))\
                          .groupby('ts_code')['close'].apply(lambda x: (x.iloc[-1] - x.iloc[0])/x.iloc[0])
        
        data = data[(data['gnxq'].str.contains('元宇宙')) & (data.groupby('ts_code')['jb'].apply(lambda x: x.iloc[-1]>0).fillna(False)) & (~data['st_flag'].str.startswith('ST', na=False)) & (data['5d_returns']>0.05)]
        selected = data.head(5)
    else:
        selected = pd.DataFrame(columns=['ts_code', 'name', 'industry', 'concept_name'])
    
    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论