问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、机器人概念且流通市值小于100亿的股票中，选择2021年营收/2018年营收大于1.1的股票。
选股逻辑分析
本选股逻辑在基本面选股的基础上，进一步筛选出营收增长较好的个股，同时，选股条件中的机器人概念及流通市值等因素也保障所选出的个股具有一定的投资价值。
有何风险？
本选股策略只考虑了营收增长的因素，未充分考虑其他方面的基本面，如盈利能力、财务状况等，有可能选出的股票并不具有较好的投资价值。
如何优化？
本选股策略可以加入其他的基本面指标进一步筛选个股，如净利润增长、ROE等因素，同时也可以考虑加入技术指标，如RSI、MACD、均线等因素进一步优化。
最终的选股逻辑
在选股条件为换手率3%-12%、选择机器人概念且流通市值小于100亿的股票中，选择2021年营收/2018年营收大于1.1的股票。
同花顺指标公式代码参考
选股条件：(换手率>=3 and 概念(机器人)==1 and 流通市值<=100000) and (2021年营收/2018年营收)>1.1 order by 最新价 asc;
选股结果：fml('(换手率>=3 and 概念(机器人)==1 and 流通市值<=100000) and (2021年营收/2018年营收)>1.1 order by 最新价 asc;', 100)
python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
def select_good_stocks():
# 换手率3%-12%
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['concept'].str.contains('机器人'))]
df1 = df1[(df1['float_mv'] <= 100000)]
# 营收增长
df2 = pro.fina_indicator(ts_code='', start_date='20180101', end_date='20211231', fields='ts_code,end_date,eps,dps,dt_eps,eps_yoy')
df2['revenue_growth'] = df2['eps_yoy'].rolling(window=4).mean() # 4季度均值
df2 = df2[df2['end_date']=='20211231'] # 只选择最新年度数据
df2 = df2[['ts_code','revenue_growth']]
df2 = df2[df2['revenue_growth']>1.1]
# 合并数据
df = pd.merge(df1,df2,on='ts_code')
df = df.sort_values(by='close', ascending=False)
return df
good_stocks = select_good_stocks()
print(good_stocks)
其中需要替换掉your_token为你的tushare token。
## 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。
