问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，竞价主力净买大于0，以此来筛选具有成长性和投资潜力的股票。
选股逻辑分析
该选股策略选择元宇宙行业中，基于技术面和资金流向的因素进行选股，选择同时满足三个技术指标同时金叉和竞价主力净买大于0的股票。此选股条件的目的是筛选具有资金面支持和持续性增长趋势的股票。
有何风险？
该选股策略存在以下风险：
- 过度依赖技术指标和K线形态可能忽略股票基本面和风险因素；
- 资金变化快，可能会忽略市场中的投机和恶意操作；
- 元宇宙行业投资风险高，存在市场波动风险。
如何优化？
为减少选股策略的风险和提高选股成功率，可以考虑以下优化方法：
- 结合股票的基本面指标，如盈利、估值等进行选股；
- 适度增加资金流向指标的时间周期，能够更为精确地筛选具有大资金支持和较好增长趋势的股票；
- 结合其它指标进行确认，使所选股票能够具有确定性。
最终的选股逻辑
综合以上分析，可以得出一个完善的选股逻辑：选择元宇宙行业中，同时满足三个技术指标同时金叉和竞价主力净买大于0的股票进行投资。通过此筛选条件，选择具有成长性和资金面支持的个股，在风险可控的前提下捕捉市场机会。
具体的选股条件为：
- 元宇宙行情：GNBK('gnxq')
- 技术指标：CROSS(MACD(12,26,9), MACDSignal(12,26,9))
- 资金流向指标：大单竞买-大单竞卖（在同花顺中查询）
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 技术指标：MACD(12,26,9)、MACDSignal(12,26,9)，CLOSE,MA(CLOSE,30)
- 资金流向指标：中信一级行业-股票-大单竞买-大单竞卖
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(list_status='L',exchange='',\
fields='ts_code,symbol,name,area,industry,list_date')
df = df[df['industry']==industry]
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df['macdsignal'] = ts.EMA(df['macd'], 9)
net_buy = ts.get_money_flow(df['ts_code'].tolist()[0], start_date='20220101', end_date='20220228', fields='trade_date,net_mf_amount')
net_buy = pd.DataFrame(net_buy)
df['net_buy'] = net_buy['net_mf_amount']
df = df[(df['macd']>0) & (df['net_buy']>0)]
return df
industry = '元宇宙'
df = stock_selector(industry)
print(df.head())```
以上代码将返回行业为“元宇宙”且同时满足三个技术指标金叉，竞价主力净买大于0的所有股票信息。
## 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。
