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100亿的主板股票中，选出昨日9:15匹配价跌停的股票进行投资。
选股逻辑分析
该选股逻辑在之前的基础上，增加了一项条件为昨日9:15匹配价跌停的股票。这意味着只选取了在之前已经出现大幅下跌（跌停）的股票，可以用来做反弹交易，但是相应的，这些股票可能存在较大的回落风险。
有何风险？
选股逻辑存在较大的风险，因为只考虑了个别因素并没有能够全面地评估股票的价值，也没有考虑市场整体的情况，选出的股票可能存在较大的波动风险。此外，该选股逻辑的风险较大，因为在短时间内追涨杀跌存在一定风险。
如何优化？
可结合其他因素如基本面、行业、公司前景等考量，以确保选出的股票具有更高的成长和价值。
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100亿的主板股票，在这些股票中选择昨日9:15匹配价跌停的股票进行投资。
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 昨日匹配价 跌停
选股结果：fml('换手率 >=3 and 概念(机器人) ==1 and 流通市值 < 100000 and 昨日匹配价 跌停',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)]
# 昨日匹配价跌停
trade_cal = pro.trade_cal(exchange='', start_date='20220101', end_date='20220131')
trade_day = trade_cal[trade_cal.is_open==1]['cal_date'].values[-2]
df2 = pro.daily_basic(ts_code='', trade_date=trade_day, fields='ts_code,trade_date,turnover_rate,pct_chg')
df2 = df2[df2['pct_chg'] <= -9.5]
ts_codes = df2['ts_code'].values.tolist()
df1 = df1[df1['ts_code'].isin(ts_codes)]
# 基本面筛选
df1 = df1.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df1
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。
