问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、机器人概念且流通市值小于100亿的股票。
选股逻辑分析
本选股策略综合考虑了技术面和基本面因素，选取符合振幅大于1、周线MACD在零轴之上、机器人概念且流通市值小于100亿的股票。通过机器人概念和流通市值的筛选，可以进一步剔除个别热点行业或超大市值公司，增加选股的针对性和稳健性。同时，振幅和MACD可以反映出股票的波动和趋势，以此过滤股票的周期性回调和行业大盘影响。
有何风险？
该选股策略仍未对股票的估值因素进行考虑，可能会忽略一些估值优秀但流通市值较大的股票。同时，机器人概念对应的行业涉及范围较广，选择合适的机器人股票并不容易，可能会增加选股的难度。此外，股票市场的变化也可能影响到选股策略的有效性，需要及时进行调整。
如何优化？
应该加入估值因素，筛选符合估值优秀和基本面较好的股票，以增加选股的准确性。同时，应该综合考虑概念板块、市场趋势等因素，选择合适的机器人子行业和股票。此外，应该注意选股策略的适用性，避免将过度依赖历史数据的选股策略用于不同市场环境下，导致投资效益下降。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、机器人概念且流通市值小于100亿的股票，并加入估值因素，筛选符合估值优秀和基本面较好的股票。同时，需要综合考虑概念板块、市场趋势等因素，以选择合适的机器人子行业和股票。
同花顺指标公式代码参考：
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1)) AND (MACD(12,26,9) > 0)
机器人概念：
INDUSTRY LIKE '%机器人%'
流通市值小于100亿：
MCAP < 100000
python代码参考：
# 引入Tushare库
import tushare as ts
# 查询股票数据，根据条件筛选股票
selected_stocks = []
for code in ts.get_stock_basics().index:
# 获取股票数据
daily_data = ts.get_k_data(code)
if len(daily_data) < 1:
continue
# 筛选符合条件的股票
if (daily_data['high'] - daily_data['low']).mean() / daily_data['close'].mean() > 0.01 and \
(REF(MACD(12, 26, 9), 1) > REF(MACDSIGNAL(12, 26, 9), 1)) and \
ts.get_hist_data(code)['totalmv'][0] < 100000 and \
ts.get_stock_basics().loc[code]['industry'].find('机器人') != -1:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略选取振幅大于1、周线MACD在零轴之上、机器人概念且流通市值小于100亿的股票，并加入估值因素和市场趋势等因素进行筛选。
## 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。
