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、三连阴的股票中进行投资。
选股逻辑分析
本选股逻辑在基本面选股的基础上，加入了技术面因素，即选择近期出现三连阴的股票，表示该股票近期走势较为弱势。与之前的选股逻辑相比，加入了技术面的因素，使得筛选出来的股票更具有综合性。
有何风险？
本选股策略虽然增加了技术面因素，但仍未充分考虑其他可能的技术面因素，可能导致筛选出的个股并不具有足够的投资价值。同时，三连阴指标的设置可能对其他市场行情不敏感，导致该指标在不同市场行情下表现不佳。
如何优化？
本选股策略可以加入其他技术面指标及其他基本面指标进一步筛选个股，如RSI、均线、财务数据等因素。同时，可以针对不同市场行情设置不同的技术指标或者改变指标参数，以取得更好的筛选效果。
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、三连阴的股票中进行投资。
同花顺指标公式代码参考
选股条件：(换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 and 三日连跌(10,1)) 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 三日连跌(10,1)) order by 最新价 asc;', 100)
python代码参考
import tushare as ts
import pandas as pd
import numpy as np
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)]
# 技术面指标
df2 = pro.daily(ts_code='', start_date='20210501', end_date='20211101', fields='ts_code,trade_date,close')
df2 = df2.pivot(index='trade_date', columns='ts_code', values='close')
df2 = df2.pct_change().dropna() # 计算股票涨跌幅并删除首行
df2 = (df2 < 0).rolling(window=3, min_periods=3).sum() == 3 # 计算三连阴指标
# 过滤复合条件的股票
df2 = df2[(df2['ts_code'].isin(df1['ts_code']))] # 选出符合条件的个股
# 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)
## 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。
