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100亿中，竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万的股票中选择。
选股逻辑分析
这种选股逻辑更为注重股票的资金流向和走势，尤其关注竞价时的大单和特大单买入情况，从而获取股票短期的涨跌机会。
有何风险？
该选股逻辑忽略了股票的长期价值和基本面分析，过度强调了短期价值和资金流向。该选股逻辑需要更多其他指标的辅助，否则选出的股票可能风险较大，涨跌不容易预测。
如何优化？
应该在竞价时涨跌幅和特大单共计买入量的基础上，加入更多的财务指标和行业分析，避免仅凭通过资金流向来选择错股。同时，也需要更加重视风险控制，以避免选股策略的风险过大。
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100亿中，竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万的股票中选择。
同花顺指标公式代码参考
选股条件：(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (LEFT(ts_code, 2) != '11') AND (买委差 > 0) AND ((卖委托价 - pre_close)/pre_close > 0.01) AND (v_large_order > 0.7) ORDER BY 今日收盘价 ASC
选股结果：fml('(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (LEFT(ts_code, 2) != '11') AND (买委差 > 0) AND ((卖委托价 - pre_close)/pre_close > 0.01) AND (v_large_order > 0.7) ORDER BY 今日收盘价 ASC', 100)
Python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate,low,pre_close')
df1 = df1.rename(columns={'turnover_rate': '今日换手率', 'pre_close': '昨日收盘价', 'low': '今日最低价'})
df1['昨日最低价'] = pro.daily(ts_code='', start_date='20220107', end_date='20220107', fields='low').iloc[0]['low']
# 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]
df5 = pd.merge(df4, df3[['ts_code']], on='ts_code', how='inner')
df5 = pd.merge(df5, df1[['ts_code', '今日换手率', '今日最低价', '昨日最低价']], on='ts_code', how='inner')
# 竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万
df6 = pro.block_trade(trade_date='20220110', fields='ts_code,trade_date,price,volume,amount,buyer,seller,change_rate')
df7 = pd.merge(df5, df6, on='ts_code', how='inner')
mask = (df7['buyer'] == '机构专用') & (df7['change_rate'] > 0) & (df7['volume'] > 100000)
df8 = df7[mask]
df9 = df8[df8['v_large_order'] > 7]
df10 = df9[(df9['今日换手率'] > 3) & (df9['今日换手率'] < 12)]
df10 = df10.round({'今日换手率': 2, 'float_mv': 2, '今日最低价': 2, '昨日最低价': 2})
df10 = df10.sort_values(by='今日收盘价', ascending=True)
return df10
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。
