(supermind量化策略)换手率3%-12%、机器人概念且流通市值小于100亿、价格<

用户头像神盾局量子研究部
2023-08-30 发布

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100亿的主板股票中,选择价格低于12元的股票。

选股逻辑分析

在之前的选股逻辑的基础上增加了选择价格低于12元的条件,考虑到低价股可能存在较大投资机会,但同时也存在较大的风险。

有何风险?

低价股通常具有较大的波动性和不稳定性,股价可能受到市场情绪的影响较大,同时也存在潜在的财务和经营风险,投资时需要谨慎评估。

如何优化?

在考虑价格的同时,需要综合考虑公司的基本面和业绩情况,选择具有良好基本面和成长潜力的低价股进行投资。同时,需要有一定的风险管理措施,如资产配置和止损策略等。

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、股价低于12元的主板股票中选择。

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 < 1000000 AND 最新价 < 12 ORDER BY hot desc
选股结果:fml('换手率>=3 AND fml('机器人',100)==1 AND 流通市值 < 1000000 AND 最新价 < 12 ORDER BY hot desc',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)]
    
    # 选择股价低于12元的股票
    df5 = pro.daily(ts_code='', trade_date='20220110', fields='ts_code,open,high,low,close,pre_close,vol,amount')
    df5['price'] = df5['close']
    df6 = df5[df5['price'] < 12]
    
    # 合并三个筛选结果
    df7 = pd.merge(df1, df3, on='ts_code', how='inner')
    df7 = pd.merge(df7, df4[['ts_code', 'float_mv']], on='ts_code', how='inner')
    df7 = pd.merge(df7, df6[['ts_code', 'price']], on='ts_code', how='inner')
    df7 = df7.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2, 'price': 2})
    
    # 按个股热度排序
    df8 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,turnover_rate,total_share,hq_vol,hot', sortby='hot', ascending=False)
    df8 = pd.merge(df8, df7[['ts_code']], on='ts_code', how='inner')
    
    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论