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、三个技术指标同时金叉的主板股票中进行投资。
选股逻辑分析
该选股逻辑相比前一个逻辑增加了三个技术指标同时金叉这一条件，这也是常用的技术指标之一。三个技术指标同时金叉，说明股票强势上涨的趋势正在形成，适合在这一时点进行买入操作。
有何风险？
由于技术指标的变化是瞬时的，很难准确地捕捉到真正的买入时机。同时，相同的技术指标的变化可能意味着不同的市场表现，不同的股票其市场表现可能会因为一系列各种因素有所不同。
如何优化？
可以结合其他因素如基本面、行业、公司前景等综合考量，以确保选出的股票具有更高的成长和价值。
最终的选股逻辑
选股条件为：选择换手率在3%-12%、机器人概念且流通市值小于100亿、三个技术指标同时金叉的主板股票进行投资。
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 金叉(MA(5),MA(10)) and
金叉(MA(20),MA(60)) and 金叉(MA(120),MA(250))
order by 按出现次数排序;
选股结果：fml('换手率 >=3 and 概念(机器人) ==1 and
流通市值 < 100000 and 金叉(MA(5),MA(10)) and
金叉(MA(20),MA(60)) and 金叉(MA(120),MA(250))
order by 按出现次数排序',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)]
# 技术面选股条件
stocks = []
for ts_code in df1['ts_code']:
df2 = pro.daily(ts_code=ts_code, start_date='20210101', end_date=str(datetime.datetime.now().date().strftime('%Y%m%d')), fields='trade_date, close')
df2['ma5'] = df2['close'].rolling(window=5).mean()
df2['ma10'] = df2['close'].rolling(window=10).mean()
df2['ma20'] = df2['close'].rolling(window=20).mean()
df2['ma60'] = df2['close'].rolling(window=60).mean()
df2['ma120'] = df2['close'].rolling(window=120).mean()
df2['ma250'] = df2['close'].rolling(window=250).mean()
if df2.iloc[-1]['ma5'] > df2.iloc[-1]['ma10'] and df2.iloc[-1]['ma20'] > df2.iloc[-1]['ma60'] and df2.iloc[-1]['ma120'] > df2.iloc[-1]['ma250']:
if df2.iloc[-2]['ma5'] < df2.iloc[-2]['ma10'] and df2.iloc[-3]['ma5'] < df2.iloc[-3]['ma10']:
if df2.iloc[-2]['ma20'] < df2.iloc[-2]['ma60'] and df2.iloc[-3]['ma20'] < df2.iloc[-3]['ma60']:
if df2.iloc[-2]['ma120'] < df2.iloc[-2]['ma250'] and df2.iloc[-3]['ma120'] < df2.iloc[-3]['ma250']:
stocks.append(ts_code)
# 基本面和技术面筛选
df4 = df1[df1['ts_code'].isin(stocks)]
df4 = df4.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df4
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。
