问财量化选股策略逻辑
选股策略为：在元宇宙行业中选取机器人概念股票，开盘价在十日均线左右，流通市值小于100亿。
选股逻辑分析
本选股策略基于行业和技术面指标，选取元宇宙行业中机器人概念股票，开盘价在十日均线左右，限制其流通市值不超过100亿，可以更准确地筛选优质股票，降低风险度。
有何风险？
本选股策略存在以下风险：
- 选股策略过于依赖技术面指标，不能分析个股长期质地和市场环境的变化，容易导致选股结果不稳定或偏差过大；
- 机器人概念的定义风险性较大，可能会出现选股标准不一致的问题，影响选股效果；
- 流通市值指标的选择可能过于狭隘，有可能导致筛选出来的股票涨跌幅不高或涨幅短暂。
如何优化？
为了提高本选股策略的可靠性和泛用性，可以综合考虑个股基本面因素对走势的影响，同时加入更多基于股票走势和宏观经济等方面的指标，以评估股票的长期走势和市场环境。同时，在选择流通市值标准时，可以根据市场环境和股票历史走势等综合考虑来确定潜在范围。
最终的选股逻辑
选取元宇宙行业中机器人概念股票，开盘价在十日均线左右，流通市值小于100亿。
同花顺指标公式代码参考
选出符合元宇宙行业的股票：INDUSTRY == '元宇宙';
选取机器人概念股票：CONCEPT=='机器人';
选取开盘价在十日均线左右的股票：
(CLOSE > MA(CLOSE, 10) * 0.95) AND (CLOSE < MA(CLOSE, 10) * 1.05);
筛选流通市值小于100亿股票：CIRCULATION_MARKET_CAP<=10000;
合并选股条件：
(INDUSTRY == '元宇宙') AND (CONCEPT == '机器人') AND \
((CLOSE > MA(CLOSE, 10) * 0.95) AND (CLOSE < MA(CLOSE, 10) * 1.05)) AND \
(CIRCULATION_MARKET_CAP <= 10000);
python代码参考
import tushare as ts
import pandas as pd
def get_eligible_stocks():
eligible_stocks = []
stock_data = ts.get_stock_basics()
for stock_code, row in stock_data.iterrows():
if '元宇宙' not in row['industry']:
continue
if '机器人' not in row['concept']:
continue
if row['name'].startswith('ST') or row['name'].startswith('*ST'):
continue
prices = ts.get_k_data(stock_code, index=True)[['date', 'open', 'close', 'high', 'low', 'volume', 'amount']]
if len(prices) < 10:
continue
ma10 = prices['close'].rolling(10).mean()
if not ((prices['open'] - ma10).abs() / prices['open'] < 0.05).iloc[-1]:
continue
if row['nmc'] >= 10000:
continue
eligible_stocks.append(stock_code)
return eligible_stocks
print(get_eligible_stocks())
本代码同样使用tushare库来获取股票数据，根据选股逻辑筛选符合条件的股票。相较于前一个选股逻辑，本逻辑新增了机器人概念和流通市值的限制条件，同时增加了代码的容错性能。
## 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。
