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、股票代码以60开头的股票中选择。
选股逻辑分析
本选股逻辑基于前一逻辑，进一步筛选股票代码以60开头，应用范围更为狭窄，选出的股票数量更少，风险更大。
有何风险？
选股条件过于狭窄，只是根据股票代码前缀简单筛选，较短时间内可能无法获取足够多的符合条件的股票，且忽略了其他重要指标。
如何优化？
可以考虑根据更多的指标进行筛选，比如市场表现、市盈率、市净率等等，选股条件应根据当前市场情况进行调整，防止出现狭隘的选股策略。
最终的选股逻辑
选股条件为：在换手率3%-12%、机器人概念且流通市值小于100亿且股票代码以60开头的股票中选择。
同花顺指标公式代码参考
选股条件：(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (LEFT(ts_code, 2) = '60') AND (换手率 > 3) AND (换手率 < 12) ORDER BY 换手率 ASC
选股结果：fml('(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (LEFT(ts_code, 2) = '60') AND (换手率 > 3) AND (换手率 < 12) ORDER BY 换手率 ASC', 100)
Python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate,vol,amount,open,pre_close')
df1 = df1.rename(columns={'turnover_rate': '今日换手率', 'vol': '成交量', 'amount': '成交额', 'pre_close': '昨日收盘价', 'open': '今日开盘价'})
df1['今日收盘价'] = pro.daily(ts_code='', start_date='20220110', end_date='20220110', fields='close').iloc[0]['close']
# 机器人概念
df2 = pro.concept(src='ts', fields='id,concept_name,src')
df2 = df2[df2['concept_name'].str.contains('机器人')]
df3 = pro.concept_detail(id=df2.iloc[0]['id'], fields='ts_code')
# 流通市值小于100亿
df4 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df4 = df4[df4['float_mv'] < 100000]
# 60开头的股票
df5 = pro.stock_basic(exchange='', list_status='L', fields='ts_code')
df5 = df5[df5['ts_code'].str.startswith('60')]
# 筛选出好股票
good_stocks = []
for ts_code in df3['ts_code']:
if ts_code in list(df5['ts_code']):
good_stocks.append(ts_code)
df6 = pd.merge(df1, df5, on='ts_code', how='inner')
df7 = pd.merge(df6, df3[['ts_code']], on='ts_code', how='inner')
df8 = pd.merge(df7, df4[['ts_code', 'float_mv', 'industry']], on='ts_code', how='inner')
df8 = df8[(df8['今日换手率'] > 2) & (df8['今日换手率'] < 9)]
df8 = df8.round({'今日换手率': 2, 'float_mv': 2})
df8 = df8.sort_values(by='今日换手率', ascending=True)
return df8
good_stocks = select_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。
