问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、10日涨幅大于0小于35的A股中，选机器人概念且流通市值小于100亿的股票。
选股逻辑分析
此选股逻辑相较于第二题加入了筛选机器人概念的条件，更加注重行业热点资讯的利用，可提高选股效果的稳定性。同时，削减了市值大小，可降低市值过大带来的宏观风险。
有何风险？
对市场进行了过于精细的筛选，过分追求细节会导致数据敏感性增加，从而引发灾难性错误。同时，机器人概念可作为行情应对工具，不一定符合企业的内部逻辑，故存在某些极端情况下的不适用性。
如何优化？
可加入多种数据辅助筛选，如PE、PB、ROE、EPS等财务因素，可补全内部数据的不足，从而提高每次参考结果的准确性。同时，需要基于大数据的统计优势，进行动态调整，将选股逻辑进行各种结合和变化，提高其应对各式不同情况的整体效力。
最终的选股逻辑
在符合换手率3%-12%、10日涨幅大于0小于35的A股中，按照机器人概念和流通市值进行筛选，选出合适的股票。
同花顺指标公式代码参考
无特定技术指标要求，该逻辑依旧以企业基本面和行业为主要考虑因素。
Python代码参考
import tushare as ts
# 获取符合条件的股票
def get_good_stocks():
good_list = []
ts.set_token('your token')
pro = ts.pro_api()
concept_list = pro.concept()
robot_concept = list(concept_list[concept_list['cname'].str.contains('机器人')]['code'])
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,mkt_cap_ard')['ts_code']
for ts_code in stock_list:
if pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0: # 筛选非ST股票
continue
# 筛选符合条件的股票
daily_data = pro.daily(ts_code=ts_code, start_date='20210101', end_date='20211231')
if daily_data.empty:
continue
elif daily_data.iloc[-1]['pct_chg'] not in range(0, 35):
continue
elif daily_data.iloc[-11:-1]['pct_chg'].apply(lambda x: x > 0).sum() != 10:
continue
elif daily_data.iloc[-1]['turnover_rate'] < 0.03 or daily_data.iloc[-1]['turnover_rate'] > 0.12:
continue
elif ts_code not in pro.concept_detail(id=robot_concept, fields='ts_code')['ts_code'].tolist(): # 筛选机器人概念
continue
elif pro.daily_basic(ts_code=ts_code, trade_date='20211231', fields='circ_mv')['circ_mv'].iloc[0] > 1000000: # 筛选市值小于100亿
continue
good_list.append(ts_code)
return good_list
good_stocks = get_good_stocks()
print(good_stocks)
## 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。
