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100亿的股票中，按照资金强度由大到小排序。
选股逻辑分析
本选股逻辑在基本面选股的基础上，加入了按照资金强度排序的条件，可以筛选出更具市场热度、投资价值的股票，结合选股逻辑中的基本面和机器人概念等因素，可以得到更全面的股票选择。
有何风险？
选股逻辑中的财务数据、市场等因素随时间变化而受到影响，需要定期更新选股条件，否则会导致选股结果失真。
如何优化？
本选股逻辑中只考虑了流通市值的因素，可以结合其他技术指标如KDJ，RSI等指标进行综合分析，同时也需要结合公司财务和运营进行全面分析，以获得更准确的选股策略。同时，还可以考虑加入板块、行业指数等因素进一步优化选股策略。
最终的选股逻辑
在选股条件为换手率3%-12%、选择机器人概念且流通市值小于100亿的股票中，按资金强度由大到小排序。
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 order by 资金流向(净额) desc;
选股结果：fml('换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 order by 资金流向(净额) desc;', 100)
python代码参考
import tushare as ts
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,net_mf')
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)]
df1 = df1.sort_values(by='net_mf', ascending=False)
return df1
good_stocks = select_good_stocks()
print(good_stocks)
其中需要替换掉your_token为你的tushare token。
## 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。
