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、饮料酒进出口相关的股票中，选择市盈率小于30倍的股票。
选股逻辑分析
本选股逻辑在基本面选股的基础上，进一步考虑了行业因素，即选择饮料酒进出口相关的股票。同时，选股条件中的机器人概念及流通市值等因素也保障所选出的个股具有一定的投资价值。最后，在估值方面选择了市盈率小于30倍的股票，考虑到风险控制。
有何风险？
本选股策略只考虑了一些基本面、行业及估值因素，未充分考虑其他技术面因素，如MACD的金叉死叉、均线等因素，有可能选出的股票并不具有较好的投资价值。
如何优化？
本选股策略可以加入其他的技术面指标及其他基本面指标进一步筛选个股，如RSI、均线、财务数据等因素，同时也可以考虑数据时间区间的调整，以及加入量面因素进一步优化。
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、饮料酒进出口相关、市盈率小于30倍的股票中进行投资。
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<=100000 and 概念(饮料)==1 and pe<30) order by 最新价 asc;
选股结果：fml('(换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 and 概念(饮料)==1 and pe<30) order by 最新价 asc;', 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'] <= 100000)]
df1 = df1[(df1['industry'].str.contains('饮料')) | (df1['industry'].str.contains('酒'))]
df1 = df1[(df1['pe'] < 30)]
# 技术面指标
df2 = pro.daily(ts_code='', start_date='20210101', end_date='20211101', fields='ts_code,trade_date,close')
df2 = df2.pivot(index='trade_date', columns='ts_code', values='close')
df2 = df2.pct_change().dropna() # 计算股票涨跌幅并删除首行
# 计算MACD指标
ema12 = df2.ewm(span=12).mean()
ema26 = df2.ewm(span=26).mean()
dif = ema12 - ema26
dea = dif.ewm(span=9).mean()
macd = (dif - dea) * 2
# 过滤复合条件的股票
df2 = df2[(df2['ts_code'].isin(df1['ts_code']))] # 选出符合条件的个股
# 合并数据
df = pd.merge(df1,df2,on='ts_code')
df = df.sort_values(by='close', ascending=False)
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。
