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、PE>0的主板股票中进行投资。
选股逻辑分析
在之前的选股逻辑的基础上增加了PE指标，更加重视个股的估值水平。同时考虑的指标包括换手率、机器人概念、市值等，综合考虑了个股的基本面和技术面。
有何风险？
该选股逻辑仍未完全考虑到股票的基本面和行业的因素，同时考虑的时间段较短，可能存在选错个股的风险。另外，PE指标并不能完全反映公司的估值水平，需要综合考虑其他因素。
如何优化？
需要结合基本面、行业、市场等多方面的因素进行综合分析，并考虑到更长的时间段，优化投资策略的准确性，并且需要综合考虑其他估值指标，如PB、市盈率等。
最终的选股逻辑
选股条件为：在换手率3%-12%、机器人概念、流通市值小于100亿、PE>0的主板股票中进行投资。
同花顺指标公式代码参考
选股条件：换手率>=3 AND fml('机器人',100)==1 AND 流通市值 < 100000 AND PE > 0
选股结果：fml('换手率>=3 AND fml('机器人',100)==1 AND 流通市值 < 100000 AND PE > 0',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.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,turnover_rate,vol,amount')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
# 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)]
# PE>0
df5 = df4[(df4['pe'] > 0)]
# 合并两个筛选结果
df6 = pd.merge(df1, df3, on='ts_code', how='inner')
df6 = pd.merge(df6, df5[['ts_code']], on='ts_code', how='inner')
df6 = pd.merge(df6, df4[['ts_code', 'float_mv']], on='ts_code', how='inner')
# 基本面筛选
df6 = df6.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df6
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。
