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、大单净量排行靠前的股票中选择。
选股逻辑分析
该选股逻辑在之前的基础上增加了大单净量排行的条件，意在筛选出有较好资金流入的股票，提高选股的准确性。同时，机器人概念和流通市值限制依然存在，仅根据这些因素进行选股可能存在选股不准确的风险。
有何风险？
大单净量是短期内的资金流入流出，可能受市场环境等因素影响，存在选股不准确的风险。同时，机器人概念和流通市值的条件限制过严，可能会忽略掉潜在的好股票。
如何优化？
结合基本面、技术面等因素，综合考虑其他指标，如市盈率、市净率、市销率、ROE等，进行多维度分析，提高选股准确率。同时，为了扩大选股范围，可适当降低机器人概念和流通市值的限制，同时结合大单净量的选择。
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、大单净量排行靠前的股票中选择。
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<1000000) AND (换手率>=3 AND 换手率<=12) AND (大单净量>=50000) ORDER BY 大单净量 DESC
选股结果：fml('(fml('机器人',100)==1) AND (流通市值<1000000) AND (换手率>=3 AND 换手率<=12) AND (大单净量>=50000) ORDER BY 大单净量 DESC',100)
Python代码参考
import tushare as ts
import pandas as pd
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,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)]
# 大单净量排行
df5 = pro.moneyflow_hsgt(start_date='20220107', end_date='20220110', fields='ts_code,ddx,ddy,ddz')
df5['net_volume'] = df5['ddx'] - df5['ddy']
df5_group = df5.groupby(['ts_code']).sum()['net_volume']
df5_result = df5_group.sort_values(ascending=False)[0:200]
df6 = pd.DataFrame(df5_result)
df6 = df6.reset_index()
# 筛选出好股票
df7 = pd.merge(df1, df6[['ts_code']], on='ts_code', how='inner')
df7 = pd.merge(df7, df3, on='ts_code', how='inner')
df7 = pd.merge(df7, df4[['ts_code', 'float_mv']], on='ts_code', how='inner')
df7 = df7.round({'turnover_rate': 2, 'float_mv': 2})
# 按大单净量排序
df8 = pd.merge(df5_result, df7, on='ts_code', how='inner')
df8 = pd.merge(df8, df4[['ts_code', 'pe', 'pb', 'industry']], on='ts_code', how='left')
df8 = df8.round({'net_volume': 2, 'turnover_rate': 2, 'float_mv': 2})
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。
