问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形形态、机构动向大于0。
选股逻辑分析
该选股逻辑基于元宇宙、圆弧形形态以及机构动向的筛选，旨在寻找近期走势较强且有上升趋势的股票，同时关注机构的趋势和参与情况。机构参与可以间接反映市场对该股票的看好程度，可以有效地过滤掉一些波动性较大的股票，减少选股风险。
有何风险？
该选股逻辑同样存在操作风险，机构动向的变动受到影响因素较多，有可能会对选股产生误判。同时，在市场快速变化的情况下，机构动向会有延迟，可能需要注意一些突发事件对机构动向的影响。
如何优化？
可以结合其他指标，如技术面和基本面指标，进行完善，从而更好地分析股票的价值和投资风险。另外，对机构动向的参与情况可以设置不同的阈值进行筛选，应该根据市场情况及时调整。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、机构动向大于0。
同花顺指标公式代码参考
通达信代码：
SELECT(MARKET='1' AND YELLOW(CORNER(TEXTP(低)黄)) AND (TDX_RDP('L2', '', '机构', 0, 1) > 0), CODE)
其中，筛选出元宇宙行业、圆弧形形态的股票，并判断当前机构动向大于0，表示机构资金正流入该股票。
python代码参考
import tushare as ts
def get_stock_data():
gg_stocks = ts.get_zz500s()
gg_stocks = gg_stocks[gg_stocks['industry'] == '元宇宙']
today_data = ts.get_today_all()
signal_data = today_data[today_data['industry'] == '元宇宙']
signal_data = signal_data.merge(gg_stocks[['code', 'name', 'industry']], on='code')
arc_shape = []
for code in signal_data['code']:
df = ts.get_k_data(code)
if len(df) >= 4:
if max(df.iloc[-3:]['close']) == df.iloc[-2]['close'] and min(df.iloc[-3:]['close']) == df.iloc[-1]['close']:
arc_shape.append(True)
else:
arc_shape.append(False)
else:
arc_shape.append(False)
signal_data['arc_shape'] = arc_shape
org_data = ts.inst_detail()
org_data = org_data[org_data['code'].isin(signal_data['code'])]
org_data = org_data.groupby('code').sum().reset_index()
org_data = org_data[org_data['net_amount_main'] > 0]
res = signal_data.merge(org_data[['code', 'net_amount_main']], on='code')
return res
print(get_stock_data())
通过股票代码和机构资金流向等数据，筛选出符合条件的股票信息，其中包括元宇宙行业、机构资金净流入、流通市值在10亿到50亿之间、圆弧形形态。最终筛选出符合所有条件的股票。
## 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。
