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、昨天换手率＞8%的股票中选择。
选股逻辑分析
该选股逻辑强调了昨天的换手率，相比之前的选股逻辑，更注重短期内的活跃度。虽然选股条件变多，但依然存在忽略掉一些潜力股的风险。
有何风险？
在市场行情不佳的情况下，符合昨天换手率＞8%的股票可能并不多，这样的条件限制可能会对股票的筛选范围造成过度限制，选股结果难以优质。
如何优化？
可以保留昨天换手率条件，但增加其他指标进行多维度筛选，如PE、PB、ROE等。可以根据不同行业、不同市场环境、不同投资风格等因素进行调整。
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、昨天换手率＞5%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 (换手率>2 AND 换手率<9 AND 昨日换手率>8) ORDRE BY 换手率 ASC
选股结果：fml('(fml('机器人',100)==1) AND (流通市值<10000000) AND (换手率>2 AND 换手率<9 AND 昨日换手率>8) ORDER BY 换手率 ASC',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,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'})
# 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]
# 昨天换手率＞8%
df5 = pro.daily_basic(ts_code='', trade_date='20220107', fields='ts_code,trade_date,turnover_rate')
df5 = df5[df5['turnover_rate'] > 8]
# 筛选出好股票
df6 = pd.merge(df1, df5[['ts_code', 'turnover_rate']], on='ts_code', how='inner')
df6 = pd.merge(df6, df3, on='ts_code', how='inner')
df6 = pd.merge(df6, df4[['ts_code', 'float_mv', 'industry']], on='ts_code', how='inner')
df6 = df6[(df6['今日换手率'] > 2) & (df6['今日换手率'] < 9)]
df6 = df6.round({'今日换手率': 2, 'float_mv': 2})
df6 = df6.sort_values(by='今日换手率', ascending=True)
return df6
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。
