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100亿且收盘价大于昨日的最低价的主板股票中进行投资。
选股逻辑分析
该选股逻辑采用了基本面和技术面指标结合的方式，考虑了股票的换手率、流通市值、机器人概念以及价格上涨的趋势。
有何风险？
基于技术面指标的选股策略本身受到市场波动、股票走势的影响，存在较大的风险，需要结合其他指标进行分析。
如何优化？
可以进一步结合一些经典的技术指标进行选股，例如MACD指标、KDJ指标等，并在基本面上考虑业绩增长等因素进行综合分析。
最终的选股逻辑
选股条件为：选择换手率在3%-12%、机器人概念且流通市值小于100亿且收盘价大于昨日的最低价的主板股票。
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 (C > Ref(Low,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 (C > Ref(Low,1)) order by 按出现次数排序',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)]
# 技术面选股条件
stocks = []
for ts_code in df1['ts_code']:
df2 = pro.daily(ts_code=ts_code, start_date='20210101', end_date='20211231', fields='close,low')
if (df2['close'][-1]>df2['low'][-2]):
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。
