问财量化选股策略逻辑
该选股策略包括三个条件：元宇宙、昨日股价大于250日均线、连续3天以上大单净量大于0.05。通过先筛选符合要求股票，再判断其连续3天以上是否存在大单净量增长情况，选择符合要求的个股进行投资。
选股逻辑分析
该选股策略主要通过以下三个条件选择符合要求的个股进行投资：
- 元宇宙：选择热门板块中的个股
- 昨日股价大于250日均线：判断个股目前的价格是否接近长期均线及相对稳定
- 连续3天以上大单净量大于0.05：判断个股最近三天的大单净量增长情况，如果存在大单净量增长，则认为该个股有一定投资价值。
综合以上三个条件，选择符合要求的个股进行投资。
有何风险？
- 大单净量增长也可能是短期投机行为，存在风险；
- 选股逻辑可能存在过度拟合、过度优化导致未来表现下降的风险；
- 选股逻辑太过简单，可能会无法准确预估个股未来表现。
如何优化？
- 加入其他指标，如市盈率、市净率等；
- 增加涨跌停限制，避免停牌或者涨跌停带来的误判；
- 增加机器学习算法对选股逻辑进行优化。
最终的选股逻辑
该选股策略选择元宇宙板块中、股票均价站在五日均线之上、连续3天以上大单净量大于0.05的个股作为投资目标。
同花顺指标公式代码参考
元宇宙：GNBK("gnxq")
昨日股价大于250日均线：C >= MA(250)
连续3天以上大单净量大于0.05：连续3天买方大单净量/连续3天卖方大单净量 > 1.05
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()
# 获取所有元宇宙板块中的个股
gnxq = pro.index_basic(
fields='category',
identifying_code='9650',
market='SSE'
)
gnxq_stocks = gnxq.loc[gnxq['category'] == 'GN023']
data_selected = pd.DataFrame()
for code in gnxq_stocks['con_code']:
df = pro.query('stock_basic', ts_code=code, fields=['name'])
ts_data = ts.pro_bar(
ts_code=code,
adj='qfq',
start_date='20220111',
end_date='20220111'
)
capital_flow = pro.moneyflow(
ts_code=code,
start_date='20220101',
end_date='20220111'
)
if len(ts_data) > 0 and ts_data.iloc[-1]['close'] >= ts_data.iloc[-1]['close'].rolling(5).mean()[4] and (capital_flow['ddx'][0] / capital_flow['ddy'][0] >= 1.05) and (capital_flow['ddx'][1] / capital_flow['ddy'][1] >= 1.05) and (capital_flow['ddx'][2] / capital_flow['ddy'][2] >= 1.05):
data_selected = data_selected.append(df)
return data_selected[['name']]
## 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。
