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100亿且周K线上穿30周线的主板股票中进行投资。
选股逻辑分析
该选股逻辑在上一个选股逻辑的基础上，增加了周K线上穿30周线的技术面选股条件。可以更加综合地考虑股票的基本面和技术面，提高选股精度。
有何风险？
选股逻辑的操作性有一定难度，需要参与者具备一定的技术面分析能力。此外金融市场波动性较大，选股仍存在潜在风险。
如何优化？
为了更好的选股效果，可以将选取逻辑进一步细化，例如考虑关注市盈率、市净率、PEG等基本面指标，并加强对其它技术指标的综合分析。
最终的选股逻辑
选股条件为：换手率3%-12%、选择机器人概念且流通市值小于100亿的主板股票，且周K线上穿30周线。
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 MACD(C,12,26,9)<0 and 技术形态(KDJ金叉) == 1 and 周上穿30周线==1 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 MACD(C,12,26,9)<0 and 技术形态(KDJ金叉) == 1 and 周上穿30周线==1 order by 按出现次数排序',100)
python代码参考
import tushare as ts
import pandas as pd
import talib
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.weekly(ts_code=ts_code, start_date='20210101', end_date='20211231', fields='close')
df2['ma30'] = talib.MA(df2['close'], timeperiod=30)
df2['datenum'] = range(0,len(df2.index))
if ((df2['close'][-1]>df2['ma30'][-1])&(df2['close'][-2]<df2['ma30'][-2]))&(df2['datenum'][-1]-df2['datenum'][-2]<30):
stocks.append(ts_code)
# 基本面选股条件
df3 = df1[df1['ts_code'].isin(stocks)]
df3 = df3.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df3
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。
