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、归属母公司股东的净利润(同比增长率)大于20%小于等于100%的股票中进行投资。
选股逻辑分析
本选股逻辑在基本面选股的基础上，加入了财务面因素，即选择年报中归属母公司股东的净利润同比增长率大于20%小于等于100%的公司，表示该公司业绩增长较快并且有一定的稳定性。与之前的选股逻辑相比，加入了更多的基本面因素，使得筛选出来的股票更具有价值投资的基础。
有何风险？
本选股策略虽然加入了更多的基本面因素，但仍未充分考虑其他可能的基本面因素，可能导致筛选出的个股并不具有足够的投资价值。同时，财务数据的真实性和准确性也可能对选股结果产生影响。
如何优化？
本选股策略可以加入其他基本面指标进一步筛选个股，如营收、毛利润、经营性现金流等因素。同时，应该加强对财务数据的真实性和准确性的检验和验证，减少因不准确财务数据导致的选择错误。
最终的选股逻辑
在选股条件为换手率3%-12%、选择机器人概念且流通市值小于100亿、归属母公司股东的净利润(同比增长率)大于20%小于等于100%的股票中进行投资。
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 财务(归属母公司股东的净利润同比增长率)>=20 and 财务(归属母公司股东的净利润同比增长率)<=100) 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 财务(归属母公司股东的净利润同比增长率)>=20 and 财务(归属母公司股东的净利润同比增长率)<=100) order by 按出现次数排序', 100)
python代码参考
import tushare as ts
import pandas as pd
import numpy as np
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)]
# 归属母公司股东的净利润(同比增长率)大于20%小于等于100%
df2 = pro.fina_indicator(ts_code='', start_date='20201231', end_date='20201231')
df2 = df2[df2['roe'].notnull()]
df2 = df2[(df2['net_profits'] > 0) & (df2['parent_net_profits'] > 0)]
df2['profit_growth'] = (df2['parent_net_profits'] / df2['parent_net_profits'].shift(1) - 1) * 100
df2 = df2[(df2['profit_growth'] > 20) & (df2['profit_growth'] <= 100)]
df2 = df2[['ts_code', 'profit_growth']]
# 过滤复合条件的股票
df2 = df2[(df2['ts_code'].isin(df1['ts_code']))] # 选出符合条件的个股
# 合并数据
df = pd.merge(df1,df2,on='ts_code')
df = df.sort_values(by='profit_growth', ascending=False)
return df
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。
