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“涨幅<2.6且涨幅>-5”。
选股逻辑分析
该选股策略同样考虑了元宇宙作为热点板块的影响因素以及资金流向和技术面指标。要求选出具备三个方面优点的股票：一是处于元宇宙热点板块中，二是竞价主力净买入，表明资金流入较多，三是价格波动范围较小但稳定，能够在短期内获得稳定的收益。
有何风险？
- 市场风险：市场行情变化可能导致策略不再适用；
- 技术面风险：技术面指标有可能受到市场利空消息等因素的干扰而出现错误信号；
- 选股偏差：该策略的选股条件中，某些条件会产生一定的主观性和片面性。
如何优化？
- 加入更多的选股条件，提高筛选的严谨性；
- 设置技术面指标的阈值，进行进一步筛选；
- 定期回溯和优化，避免盲目跟进和过于乐观。
最终的选股逻辑
综合考虑元宇宙市场热点、竞价主力净买和收盘涨幅等多方面因素，选出价格弱波动但稳定的股票。
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
收盘涨幅：(CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1) * 100
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['yyzbl'] = data['concept_name'].apply(lambda x: '元宇宙' in x)
data['jbmoneysum_positive'] = data['jbmoneysum'] > 0
data['zf'] = (pro.query('daily', ts_code=data['ts_code'],
start_date='20211020', end_date='20211022', fields='close,pct_chg')['pct_chg']
.dropna().reset_index(drop=True))
data['zf_between'] = (data['zf'] > -5) & (data['zf'] < 2.6)
# 可以加入其他指标的筛选条件和综合分析
selected = data[data['yyzbl'] & data['jbmoneysum_positive'] & data['zf_between']]
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。
