问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形态、机器人概念且流通市值小于100亿。
选股逻辑分析
与上一个选股逻辑相比，增加了机器人概念，并且增加了一个流通市值小于100亿的筛选条件。其中，机器人概念可以代表未来发展方向，而流通市值小于100亿可以寻找市值相对较小且具备潜力的股票。
有何风险？
流通市值小于100亿可能会排除一些具有较高市值但依然有增长潜力的股票，需要谨慎考虑。
如何优化？
可以增加其他因素作为筛选条件，例如投资者关注度或者业绩增长率等。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形态、机器人概念、流通市值小于100亿或其他特定流通市值范围，并结合其他因素进行综合分析。
同花顺指标公式代码参考
元宇宙行业可以通过万德或通达信数据获取，也可以自行定义股票所属行业。
圆弧形态无默认指标公式，需要根据市场自行定义。
机器人概念可以根据相关的指数或ETF进行筛选。
流通市值可以使用公式：CIRCULAT_MARKET_CAP / 100000000 < 10
其中，CIRCULAT_MARKET_CAP为流通市值数据列。
Python代码参考
import akshare as ak
import pandas as pd
def custom_indicator(data):
# 自定义圆弧形态
data['CIR'] = abs(data['high'] - data['low']) / data['close'].shift(1) * 100
return data
def hot_stock_strategy(data):
# 筛选符合条件的股票
conditions = [
(data['industry'] == '元宇宙'), # 所属行业为元宇宙
(data['CIR'] > 0), # 圆弧形态自定义指标
(data['机器人概念指数'] > 0), # 机器人概念指数
(data['circulat_market_cap'] / 100000000 < 100) # 流通市值小于100亿
]
selected_data = data[tuple(conditions)].reset_index(drop=True)
return selected_data
def get_stock_data():
# 获取机器人概念指数
robot_index_df = ak.stock_zh_index_daily(symbol="指数000047")
robot_index_df.rename(columns={'close': '机器人概念指数'}, inplace=True)
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
stock_hist = custom_indicator(stock_hist)
stock_hist = pd.merge(stock_hist, robot_index_df[['机器人概念指数', 'date']], on='date', how='left')
selected_data = hot_stock_strategy(stock_hist)
if not selected_data.empty:
selected_stocks.append(selected_data)
return pd.concat(selected_stocks)
print(get_stock_data())
在该选股逻辑的Python代码中，加入了机器人概念和流通市值的筛选条件，并结合其他基本面信息进行综合评估，以提高选股准确度和效果。
## 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。
