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100亿且机构动向大于0的主板股票中进行投资。
选股逻辑分析
该选股逻辑是在前一个逻辑的基础上增加了机构动向这一因素。机构投资者的动向可以反映市场的情绪和投资者的心理。当机构投资者大量买入一只股票时，可能意味着市场热度和投资情绪的上升，这有助于提高股票的投资价值。
有何风险？
虽然机构动向可以较好地反映市场情绪，但是机构动向相对较为稀疏，很难具体量化影响力，且机构投资者的意愿和行为可能会受到诸多不确定因素的影响，造成选股结果不稳定。
如何优化？
可以从财务、行业和基本面等多个维度进行筛选，而不是仅从机构动向这一维度。同时，可以结合所选股票的行业进行深入研究，衡量该行业的前景、行业领先企业的市场份额以及行业竞争状况等因素，以更好地选出高成长、高品质的股票。
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100亿且机构动向大于0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
机构持股占流通股比例连续n日增长(0,1) days=n 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
机构持股占流通股比例连续n日增长(0,1) days=n 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)]
# 基本面和技术面选股条件
stocks = []
for ts_code in df1['ts_code']:
df2 = pro.daily(ts_code=ts_code, start_date='20210101', end_date='20211231', fields='trade_date, close')
if df2.iloc[-1]['close'] > df2['close'].rolling(window=250).mean().iloc[-1]:
df3 = pro.top10_holders(ts_code=ts_code, start_date='20210101', end_date='20211231', fields='ann_date,holder_name,hold_ratio')
if (df3.iloc[-1]['hold_ratio'] - df3.iloc[-2]['hold_ratio'] > 0) & (df3.iloc[-2]['hold_ratio'] - df3.iloc[-3]['hold_ratio'] > 0):
stocks.append(ts_code)
# 基本面和技术面筛选
df4 = df1[df1['ts_code'].isin(stocks)]
df4 = df4.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df4
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。
