问财量化选股策略逻辑
选股逻辑包括三个条件：元宇宙板块中的股票、机构动向大于0、昨日竞价换手率大于0.26。根据这些条件筛选符合条件的股票，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：
- 元宇宙板块中的股票：选择热门板块中的个股；
- 机构动向大于0：关注机构对个股的投资趋势；
- 昨日竞价换手率大于0.26：选择市场热点个股，关注资金动向。
综合以上条件，选择合适的个股进行投资。
有何风险？
- 昨日竞价换手率对股票价格的影响具有时效性，早期的价格变动可能并不能预测后期的价格变化；
- 竞价换手率指标具有一定的波动性，可能存在噪音干扰的情况；
- 行情波动导致的市场风险可能会影响股票价格。
如何优化？
- 加入其他基本面和技术面分析方法，以更好地评估股票的价值；
- 优化选股标准，尽量避免过度追涨情况的出现；
- 优化竞价换手率指标，尽量排除噪音干扰的情况；
- 根据市场情况灵活调整选股策略，避免投资风险。
最终的选股逻辑
该选股策略选择元宇宙板块中，符合机构动向大于0，且昨日竞价换手率大于0.26的个股进行投资。
同花顺指标公式代码参考
元宇宙板块：GNBK("gnxq")
机构动向：DRS_M("zlltgtzb")
竞价换手率：LAST_AMOUNT/VOLRATIO
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')]
codes = data['ts_code'].tolist()
data_inst = pro.moneyflow(ts_code=','.join(codes), 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_price = pro.daily_basic(ts_code=','.join(selected_tics), trade_date=trade_date, fields='ts_code, close')
if data_price.empty:
continue
data_today = pro.tick_data(
ts_code='000001.SZ',
trade_date=trade_date,
fields='time, last, vol, amount',
freq='1M'
)
data_today = data_today.set_index('time')
data_today = data_today.between_time('09:30:00', '09:59:00')
if data_today.empty:
continue
data_today['amount'] = data_today['last'] * data_today['vol'] / 10000
data_today['volratio'] = data_today['vol'] / data_today['vol'].sum()
last_amount = data_today['amount'].iloc[-1]
last_vol_ratio = data_today['volratio'].iloc[-1]
data_price = data_price.loc[data_price['close'] >= last_amount * 0.26, ['ts_code', 'close']]
if data_price.empty:
continue
data_price['last_amount'] = last_amount
data_price['last_vol_ratio'] = last_vol_ratio
data_price['is_selected'] = data_price['last_vol_ratio'] > 0.26
data_all = pd.concat([data_all, data_price[data_price['is_selected']][['ts_code', 'name', 'industry']]])
return data_all
## 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。
