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、（昨日换手率 *（今日竞价成交量/昨日成交量））>0.5<2的主板股票中进行投资。
选股逻辑分析
该选股逻辑相较于前一个选股逻辑，增加了一个基于短期流通性考虑的选股指标，综合考虑了市场流通性和股价波动性。但是，该选股逻辑仍然重视技术面分析，而忽略了公司的基本面和行业投资前景等其他因素对股价走势的影响。
有何风险？
该选股逻辑存在落后于收益曲线的风险。因为选股逻辑过于注重过去的市场表现和技术指标，忽略了大量的基础面因素，可能导致过度拟合和缺乏鲁棒性。
如何优化？
在技术面和流通性指标的基础上，需要加入更多的基础面、行业和宏观环境因素作为选股指标，以提高选股准确度和鲁棒性。同时，应综合考虑多个时间尺度的指标，如周线、月线、季线等，避免单纯从日线的角度出发进行选股。
最终的选股逻辑
选股条件为：选择换手率在3%-12%、机器人概念和流通市值小于100亿，且昨日换手率乘以今日竞价成交量与昨日成交量之比在0.5到2之间的主板股票进行投资。
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 fml('昨日换手率*（今日竞价成交量/昨日成交量）>0.5<2', 100)
选股结果：fml('换手率 >=3 AND 概念(机器人) ==1 AND 流通市值 < 100000 AND fml('昨日换手率*（今日竞价成交量/昨日成交量）>0.5<2', 100)', 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')
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)]
# 短期流通性筛选
df2 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,turnover_rate,vol,amount')
df2['turnover_rate_vol_ratio'] = df2['vol'] / df2['vol'].shift(1)
df2 = df2[(df2['turnover_rate_vol_ratio'] > 0.5) & (df2['turnover_rate_vol_ratio'] < 2)]
# 合并两个筛选结果
df1 = pd.merge(df1, df2, on='ts_code', how='left')
# 基本面筛选
df1 = df1.round({'turnover_rate': 2, 'pe': 2, 'pb': 2, 'total_mv': 2, 'float_mv': 2})
return df1
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。
