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、振幅大于1。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；
- 振幅大于1：振幅越大，个股的波动性越高，存在更多的短期投机机会。
综合以上条件，选择合适的个股进行投资。
有何风险？
- 振幅大的个股风险相对较高，可能存在暴跌风险；
- 机构动向指标具有滞后性，可能存在信息不完全的风险；
- 该选股策略忽略个股的基本面和长期价值，可能存在投机风险。
如何优化？
- 加大对个股基本面和长期趋势的分析，判断个股的价值；
- 关注机构的实时投资动向，避免信息滞后的风险；
- 对振幅大的个股加强风控，降低风险。
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且振幅大于1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")
振幅：ABS((HIGH-LOW)/REF(CLOSE,1))
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='20210101', end_date=trade_date, fields='ts_code,trade_date,change_holder_fund')
data_inst['is_inst_buy'] = data_inst['change_holder_fund'] > 0
data_inst = data_inst.loc[data_inst['is_inst_buy'] == True, ['ts_code', 'trade_date']]
selected_tics = data_inst['ts_code'].tolist()
data_today = pro.daily(ts_code=','.join(selected_tics), trade_date=trade_date, fields='ts_code,high,low,pre_close')
data_today['amplitude'] = ABS((data_today['high'] - data_today['low']) / REF(data_today['pre_close'], 1))
data_selected = data_today.loc[data_today['amplitude'] >= 1, :]
data_all = pd.concat([data_all, data_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。
