问财量化选股策略逻辑
选股逻辑为：元宇宙行业，流通盘小于等于55亿股，机构动向大于0。
选股逻辑分析
该选股策略主要是综合考虑了公司基本面、价格因素和机构动向等多方面因素，筛选出符合条件的标的股票。
有何风险？
该选股逻辑中的机构动向容易受消息面和市场情绪的影响，存在一定的风险。另外固定的参数设置也可能难以适应市场的变化，导致选股结果偏差较大。
如何优化？
可以进一步引入更多的基本面指标和技术指标，如市盈率、市净率、MACD、KDJ等指标，对标的进行更全面的分析和筛选，同时可以结合量化模型对机构动向等参数进行更加科学和可靠的设置。
最终的选股逻辑
所选择的股票应满足以下条件：所属行业为元宇宙，流通盘小于等于55亿股，机构动向大于0。
同花顺指标公式代码参考
机构动向指标公式：(sum(BigNetInMain)-sum(BigNetOutMain))/10000
其中，BigNetInMain表示机构席位净买入金额，BigNetOutMain表示机构席位净卖出金额。
Python代码参考
import akshare as ak
def get_hot_stocks():
# 获取所有A股股票的详细信息
all_stocks = ak.stock_sector_spot()
# 获取当前所有股票的行情数据
all_quotes = ak.stock_zh_a_spot()
# 获取当前所有股票的机构席位数据
all_position = ak.stock_em_hsgt_board()
# 将行情数据、股票详细信息和机构席位数据合并
all_data = all_quotes.merge(all_stocks[['symbol', '所属行业', '流通股本']], on='symbol')
all_data = all_data.merge(all_position[['code', 'BigNetInMain', 'BigNetOutMain']], left_on='symbol', right_on='code')
# 计算机构动向指标
all_data['机构动向'] = (all_data['BigNetInMain'].rolling(window=5).sum() - all_data['BigNetOutMain'].rolling(window=5).sum()) / 10000
# 筛选出符合条件的标的
selected_data = all_data[(all_data['所属行业'] == '元宇宙') & (all_data['流通股本'] <= 55) & (all_data['机构动向'] > 0)]
return selected_data
print(get_hot_stocks())
该选股逻辑的Python代码中，通过获取所有A股股票的详细信息和当前所有股票的行情数据、机构席位数据，计算机构动向指标，并筛选出符合条件的元宇宙股票。通过该选股逻辑，可以综合考虑公司基本面和价格因素以及机构动向等多方面因素，筛选出更优质的标的股票。
## 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。
