问财量化选股策略逻辑
本选股策略为：RSI指标小于65，今日上涨幅度大于1%，主板股票，机器人概念且流通市值小于100亿。期望通过技术面和行业基本面控制，找到具备较强市场表现的低风险股票。
选股逻辑分析
本选股策略在原有策略上增加了机器人概念和流通市值小于100亿的选股条件。机器人作为新兴产业具有广阔的市场前景，流通市值小于100亿的机器人概念股票有较大的成长潜力。技术面方面，RSI指标小于65代表股票处于超卖区间，可以预期股票将会反弹；今日上涨幅度大于1%代表股票动能较强，预期未来将继续上涨；选择主板股票，代表该股票具备较强的市场地位和良好的基本面。期望长期内能够获得具有较好市场表现的投资收益，同时避免行业和技术面的风险。
有何风险？
由于增加了机器人概念和流通市值小于100亿的选股条件，可能会忽略其他优秀股票。同时，机器人产业尚处于发展初期，存在一定的产业不确定性和市场风险。同样，单一的技术面和行业基本面策略，可能会忽略市场的动态变化，导致股票运行状况与市场趋势出现脱节。
如何优化？
可以考虑加入其它风险控制条件，如财务数据、盈利情况等指标，提高选股策略的综合性和风险控制能力。同时，需要根据市场行情和自身实际情况进行动态调整。在风险控制的前提下，尽量避免过多限制选股范围，提高选股的灵活性。
最终的选股逻辑
本选股策略为：RSI指标小于65，今日上涨幅度大于1%，主板股票，机器人概念且流通市值小于100亿。期望通过技术面和行业基本面控制，找到具备较强市场表现的低风险股票。
同花顺指标公式代码参考
通达信中没有机器人概念选股的指标公式，因此本处不提供通达信指标公式。
python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
import talib
# 选股函数
def stock_picking():
# 获取RSI指标小于65、今日上涨幅度大于1%、主板股票、机器人概念且流通市值小于100亿的股票
basic_data = ts.get_stock_basics()
concept_data = basic_data[basic_data['concept'].str.contains('机器人')].index.tolist()
market_data = ts.get_today_all()
market_data.dropna(inplace=True)
market_data['circulating_market_value'] = market_data['mktcap'] - market_data['nmc']
market_data['circul'] = market_data['circulating_market_value'] / market_data['settlement'] / 100000000
daily_data = ts.get_today_ticks()
merge_data = pd.merge(market_data, daily_data, on='name', how='inner')
merge_data.drop(merge_data[merge_data['changepercent'] == 0.0].index, inplace=True)
merge_data.drop(merge_data[merge_data['volume'] <= 0].index, inplace=True)
merge_data['ten_ma'] = merge_data['price'].rolling(window=10).mean()
high_data = talib.MAX(merge_data['high'], timeperiod=14)
low_data = talib.MIN(merge_data['low'], timeperiod=14)
rsv_data = (merge_data['price'] - low_data) / (high_data - low_data) * 100
k_data = talib.EMA(rsv_data, timeperiod=2)
d_data = talib.EMA(k_data, timeperiod=2)
j_data = 3 * k_data - 2 * d_data
merge_data['j'] = j_data
filter_data = merge_data[(merge_data['rsi'] < 65) & (merge_data['changepercent'] > 1.0) & (merge_data['stock_type'] == '主板') & (merge_data.index.isin(concept_data)) & (merge_data['circul'] < 100)]
filter_data = filter_data[['name', 'industry', 'open', 'price', 'outstanding', 'totals', 'totalAssets', 'liquidAssets', 'fixedAssets', 'reserved','reservedPerShare', 'esp', 'bvps', 'pb', 'timeToMarket']]
return filter_data
## 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。
