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、深证主板中市盈率0-29.01、市净率0-3.11的股票中选择。
选股逻辑分析
在之前的选股逻辑基础上，进一步增加了市盈率和市净率的条件，通过该指标来筛选具有投资价值的个股。
有何风险？
市盈率和市净率的数据存在误差和滞后性，需要考虑该指标结合具体行业和公司情况进行分析，充分评估个股投资价值。
如何优化？
综合考虑市盈率、市净率、企业成长性、竞争能力、财务稳定性等因素，筛选出市场估值低，增长性好，盈利能力强的股票进行投资。
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、深证主板中市盈率0-29.01、市净率0-3.11的股票中选择。
同花顺指标公式代码参考
选股条件：换手率>=3 AND fml('机器人',100)==1 AND 流通市值 < 1000000 AND pe_ttm >=0 AND pe_ttm <= 29.01 AND pb_ttm >=0 AND pb_ttm<=3.11 ORDER BY hot desc
选股结果：fml('换手率>=3 AND fml('机器人',100)==1 AND 流通市值 < 1000000 AND pe_ttm >=0 AND pe_ttm <= 29.01 AND pb_ttm >=0 AND pb_ttm<=3.11 ORDER BY hot desc',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.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,turnover_rate,vol,amount')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
# 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)]
# 选择市盈率0-29.01，市净率0-3.11的股票
df5 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate,pe_ttm,pb_ttm')
df5 = df5[(df5['pe_ttm'] >=0) & (df5['pe_ttm'] <= 29.01) & (df5['pb_ttm'] >=0) & (df5['pb_ttm']<=3.11)]
# 只选取深证主板的股票
df6 = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df6 = df6[df6['ts_code'].str.startswith('0')]
# 合并五个筛选结果
df7 = pd.merge(df1, df3, on='ts_code', how='inner')
df7 = pd.merge(df7, df4[['ts_code', 'float_mv']], on='ts_code', how='inner')
df7 = pd.merge(df7, df5[['ts_code', 'pe_ttm', 'pb_ttm']], on='ts_code', how='inner')
df7 = pd.merge(df7, df6[['ts_code']], on='ts_code', how='inner')
df7 = df7.round({'turnover_rate': 2, 'pe_ttm': 2, 'pb_ttm': 2, 'total_mv': 2, 'float_mv': 2})
# 按个股热度排序
df8 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,turnover_rate,total_share,hq_vol,hot', sortby='hot', ascending=False)
df8 = pd.merge(df8, df7[['ts_code']], on='ts_code', how='inner')
return df8
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。
