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100亿且昨日股价大于250日均线的主板股票中进行投资。
选股逻辑分析
该选股逻辑除了考虑了前一个逻辑中的因素，还增加了技术面因素——股价与250日均线的关系。这一指标可以帮助判断股票是否处于上升趋势中，从而更好地根据技术面和基本面来综合分析股票。
有何风险？
相对于前一个选股逻辑，此逻辑更看重技术面指标，可能会太过依赖股价与均线之间的关系，而忽略公司基本面的变化。同时，如果市场行情突然发生变化，与250日均线的关系可能不再能够有效地判断股票走势，从而影响选股结果。
如何优化？
选股应该更全面地考虑基本面和技术面因素，可以加入公司估值、股息率等指标来衡量其基本面状况，从而更准确地选择优质公司。同时，股价与均线的关系只是技术面因素之一，应该加入更多的技术指标来全面分析股票走势。
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100亿且昨日股价大于250日均线的主板股票。
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 股价>250日均线 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 股价>250日均线 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)]
# 基本面选股条件
stocks = []
for ts_code in df1['ts_code']:
df2 = pro.daily(ts_code=ts_code, start_date='20210101', end_date='20211231', fields='trade_date, close')
if df2.iloc[-1]['close'] > df2['close'].rolling(window=250).mean().iloc[-1]:
stocks.append(ts_code)
# 技术面选股条件
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。
