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，选择高点为两日最高的股票。
选股逻辑分析
本选股逻辑在基本面选股的基础上，利用技术分析的方法选股，选择出近期表现较好的个股。同时，本选股逻辑中的机器人概念及市值等基本面因素可以保障所选出的个股具有一定的投资价值。
有何风险？
本选股策略只考虑了前两日股价的涨幅和换手率等技术指标，有可能在市场出现异常波动时选出的股票不具有持续的投资价值。
如何优化？
本选股策略可以考虑加入其他技术指标，如RSI、MACD等进一步优化，同时为了充分考虑基本面因素，也可以加入财务指标、行业等因素进一步筛选。
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，选择近两日价格高点为最高点。
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 两日内最高价==HHV(最高价,2) 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 两日内最高价==HHV(最高价,2) order by 最新价 asc;', 100)
python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
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,high')
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)]
# 两日高点
df2 = pro.daily(ts_code='', start_date='', end_date='', fields='ts_code,high')
df2['HHV'] = df2.groupby('ts_code')['high'].rolling(window=2).max().values
df2 = df2[df2['high']==df2['HHV']]
df2 = df2[['ts_code']]
# 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)
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。
