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、流通市值在50亿到100亿之间的主板股票中进行投资。
选股逻辑分析
本选股逻辑在基本面选股的基础上，加入了流通市值因素，只选择流通市值在50亿元到100亿元之间的股票，同时对股票所涉及的机器人概念进行筛选，这一指标可以更加具体地反映公司的主营业务，从而有利于投资者识别具有长期潜力的公司。
有何风险？
本选股策略依然忽略了一些重要的基本面和财务因素，选择出的股票可能并不具有投资价值。同时，市场变化可能会影响机器人这一行业的需求和发展前景，股票可能会受到不确定的冲击。
如何优化？
在筛选机器人概念股票时可以加入其它行业分析作为补充，例如筛选相辅相成的产业链股票。同时，不仅限于流通市值这一指标，也可以加入利润增长率、市盈率等财务指标进行筛选，确保更加全面准确地选择出有潜力的目标股票。
最终的选股逻辑
选股条件为：换手率3%-12%、选择机器人概念且流通市值小于100亿且大于50亿的主板股票中进行投资。
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>=50000 and 流通市值<=100000 and MA(7)<CLOSE*0.98 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>=50000 and 流通市值<=100000 and MA(7)<CLOSE*0.98 order by 按出现次数排序', 100)
python代码参考
import tushare as ts
import pandas as pd
import numpy as np
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'] >= 50000) & (df1['float_mv'] <= 100000)]
# 七连阴
df2 = pro.daily(ts_code='', start_date='20210215', end_date='20210226')
df2['ma7'] = df2['close'].rolling(7).mean()
df2 = df2[df2['ma7'] < df2['close']*0.98].reset_index(drop=True)
# 合并数据
df = pd.merge(df1,df2,on='ts_code')
return df
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。
