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“机构抄底”。
选股逻辑分析
该选股策略主要基于市场热点、资金流向和机构行为等因素，筛选出符合条件的个股，具体逻辑如下：
- 元宇宙：选择当前热门板块中的个股进行筛选；
- 竞价主力净买：根据个股的竞价流入流出情况，筛选竞价主力净买大于0的股票；
- 机构抄底：根据机构资金对个股的持仓情况，筛选机构抄底的股票，表明机构看好该股票。
综合这些因素，筛选出符合条件的股票，以期获得较好的投资收益。
有何风险？
- 数据风险：该策略基于市场行情和历史数据，存在数据风险；
- 细节风险：当选择有多个细分板块时，可能会出现重复或冲突的情况；
- 资金流量不统一：资金流入与机构抄底的时间点不一致，可能产生误判。
如何优化？
- 细化条件选股：设置更多更具体的条件选项，以提高精度和覆盖范围；
- 筛选时间：选择在特定时间段内完成竞价主力净买和机构抄底的股票，以减少误判；
- 大数据分析：采用机器学习、人工智能等技术，对大量数据进行统计分析，筛选出更优质的股票。
最终的选股逻辑
综合考虑市场热点板块、资金流向、机构行为等因素，筛选出符合条件的个股，即满足元宇宙投资方向，竞价主力净买大于0且机构有加仓举动的股票。同时，加入更多具体的条件选项，以提高精度和覆盖范围。
同花顺指标公式代码参考
元宇宙：GNBK("gnxq")
竞价主力净买：(VOL - 3 - 5 + 1) * 50 / 10000
机构持仓：JGCWCY
机构近5日持仓增加：JGHSR5
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()
q = pro.quotations(ts_code=data['ts_code'], start_date='20211021',
end_date='20211021', fields='ts_code,pre_close,open,match').set_index('ts_code')
q['zjcbl'] = pro.fund_holdings(ts_code=data['ts_code'], start_date='20200101', end_date='20211022',
fields='quarter,shares_ratio').groupby('ts_code')['shares_ratio'].mean()
q['is_stop'] = q['match'] / q['pre_close'] < 1.099
data = data[data['yyzbl'] & (data['jbmoneysum'] > 0) & (q['zjcbl'] > 30) & q['is_stop']]
selected = data.head(5)
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。
