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、周线MA5金叉MA10的主板股票中进行投资。
选股逻辑分析
该选股逻辑重视技术面分析，将换手率、机器人概念和流通市值作为基础筛选条件，并增加了MA均线的技术指标。相比较于第一个选股逻辑，该策略更加关注长期的投资收益，但仍然存在技术分析的局限性。
有何风险？
该选股逻辑部分有追涨的意味，仅关注当前趋势和历史走势，忽略了其他因素（比如：公司基本面、行业投资前景、宏观经济环境的影响等）对股票价格的影响。同时，MA均线指标也容易受到市场的影响和个股的波动性。
如何优化？
要增加其他的基础筛选条件，如营业收入、净利润、股息率等。在技术面分析更加全面的基础上，深入了解企业的基本面，了解特定行业的趋势和预期，提高选股的准确率和效果。
最终的选股逻辑
选股条件为：选择换手率在3%-12%、机器人概念和流通市值小于100亿、周线MA5金叉MA10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 CROSS(MA5,Ma10)
选股结果：fml('换手率 >=3 AND 概念(机器人) ==1 AND 流通市值 < 100000 AND CROSS(MA5,Ma10)', 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)]
# MA均线筛选
df2 = pro.weekly(ts_code='', start_date='20220101', end_date='20220107', fields='ts_code,trade_date,close,ma5,ma10,ma20')
df2 = df2[(df2['ma5'] > df2['ma10'])]
# 合并两个筛选结果
df1 = pd.merge(df1, df2, on='ts_code', how='left')
# 基本面筛选
df1 = df1.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df1
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。
