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“前日实际换手率>3～28”。
选股逻辑分析
该选股策略主要考虑市场热点、资金流向和股票流通性等因素，筛选出符合条件的个股。其中，“元宇宙”反映市场热点，有望吸引资金进入；竞价主力净买反映资金流向情况，有助于我们把握市场资金的动向；前日实际换手率>3%~28%反映股票的流通性，具有较好的市场活跃度和投资价值。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？
- 数据风险：该策略基于市场行情和历史数据，存在数据风险；
- 操作风险：该策略需要及时调整选股因子及其加权方式，因此存在一定的操作风险；
- 风险偏好不同：对于不同风险偏好的投资者，该选股策略存在一定的适用性问题。
如何优化？
- 关注行业分布：适当关注行业分布，在市场热点基础上寻找行业龙头，并综合考虑相应的技术分析因素；
- 加入技术分析因素：在基本面和市场分析的基础上，加入技术分析因素以进一步提高选股精度；
- 优化选股因子的加权：对选股因子的加权可以灵活调整，以提高选股策略的收益风险比。
最终的选股逻辑
综合考虑市场热点板块、资金流向和股票流通性等因素，筛选出符合条件的个股。
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
前日实际换手率>3%~28%：REF(TOOPREC,2)>3 AND REF(TOOPREC,2)<=28
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['tooprec'] = pro.daily_basic(trade_date='20211022',
fields='ts_code,turnover_rate_f').set_index('ts_code')['turnover_rate_f']
data['yyzbl'] = data['concept_name'].apply(lambda x: '元宇宙' in x)
data['jbmoneysum_positive'] = data['jbmoneysum'] > 0
data['tooprec_positive'] = (data['tooprec'] > 3) & (data['tooprec'] <= 28)
selected = data[data['yyzbl'] & data['jbmoneysum_positive'] & data['tooprec_positive']]
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。
