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、股票形态为圆弧形的股票中选择。
选股逻辑分析
该选股逻辑新增了股票形态的约束条件，强调选股目标股票要呈现圆弧形态。该选股逻辑考虑到股票形态反映股票趋势与强度，选择圆弧形态可以更准确地筛选出强势股。
有何风险？
选股条件仅考虑股票形态，而未考虑其他重要的指标如市盈率、股息率、市净率等，存在忽略掉潜在风险的风险。
如何优化？
应考虑更多重要的指标如市盈率、股息率、市净率等，同时可根据市场环境等因素进行调整，确保选出的股票具备全面的盈利和估值优势。
最终的选股逻辑
选股条件为：在换手率3%-12%、机器人概念且流通市值小于100亿、股票形态为圆弧形的股票中选择。
同花顺指标公式代码参考
选股条件：(fml('机器人',100)==1) AND (流通市值<10000000) AND (KShapeHD(20,50)>0) ORDER BY 换手率 ASC
选股结果：fml('(fml('机器人',100)==1) AND (流通市值<10000000) AND (KShapeHD(20,50)>0) ORDER BY 换手率 ASC',100)
其中，KShapeHD为通达信函数，用于判断股票形态是否为圆弧形。
Python代码参考
import tushare as ts
import pandas as pd
import talib
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate,vol,amount,open,pre_close')
df1 = df1.rename(columns={'turnover_rate': '今日换手率', 'vol': '成交量', 'amount': '成交额', 'pre_close': '昨日收盘价', 'open': '今日开盘价'})
df1['今日收盘价'] = pro.daily(ts_code='', start_date='20220110', end_date='20220110', fields='close').iloc[0]['close']
# 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]
# KShapeHD判断形态是否为圆弧形
def KShapeHD(n, m):
df = pro.daily(ts_code='', start_date='20210110', end_date='20220110', fields='ts_code,trade_date,open,high,low,close')
df = df3 = df[df['ts_code'] == ts_code]
df = df.iloc[-(n + m):]
line = talib.LINEARREG_SLOPE(df['high'], timeperiod=n)
line = line.iloc[-m:]
line = line.abs()
sma = line.rolling(window=5, min_periods=1).mean() * 1.25
KShapeHD = (sma > line).astype(int).iloc[-1]
return KShapeHD
# 选择圆弧形股票
good_stocks = []
for ts_code in df3['ts_code']:
if KShapeHD(20, 50) > 0:
good_stocks.append(ts_code)
# 筛选出好股票
df5 = df1[df1['ts_code'].isin(good_stocks)]
df5 = pd.merge(df5, df3[['ts_code']], on='ts_code', how='inner')
df5 = pd.merge(df5, df4[['ts_code', 'float_mv', 'industry']], on='ts_code', how='inner')
df5 = df5[(df5['今日换手率'] > 2) & (df5['今日换手率'] < 9)]
df5 = df5.round({'今日换手率': 2, 'float_mv': 2})
df5 = df5.sort_values(by='今日换手率', ascending=True)
return df5
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。
