问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，机器人概念且流通市值小于100亿。
选股逻辑分析
此选股逻辑结合了技术面指标、行业板块因素以及流通市值等因素，以筛选机器人概念股票，进一步筛选出对股价波动幅度较大以及处于上涨通道中的优质标的。因为机器人行业未来发展前景广阔，流通市值小于100亿的中小市值股票更容易具备较大涨幅。
有何风险？
选择机器人行业股票会面临该行业的市场风险以及政策风险。此外，流通市值并不是选股的唯一标准，其他因素如公司基本面等也需要综合考虑。
如何优化？
可以综合考虑其他因素，如公司营业收入、净利润、负债率等，以及同行业其他上市公司等指标，进一步提升筛选标准。可以综合考虑行业板块资金流向等因素，进行更为精准的选股。可以考虑其他交易指标，如RSI、MACD等指标，结合技术面进行指标分析。同时控制仓位，避免过度集中于某一行业的标的，减少市场风险。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- K线小于20；
- 机器人概念股票；
- 流通市值小于100亿。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
C1: Amp() > 1;
C2: KDJ(9,3,3) < 20;
C3: CONTAIN('机器人');
C4: MVRANK(MV,'B') <= 200;
SELECTOR := C1 AND C2 AND C3 AND C4;
RESULT := SELECTOR;
其中，CONTAIN('机器人')用于筛选与机器人行业相关的标的，MVRANK(MV,'B')用于筛选流通市值排名前200的标的。
Python代码参考
以下是Python实现该选股策略的选股逻辑：
amp = (df['high'] - df['low']) / df['close']
kdj, kdj_signal = talib.STOCH(df['high'], df['low'], df['close'], fastk_period=9, slowk_period=3, slowd_period=3)
sector = '机器人'
mv_rank = df['mv'].rank(method='dense', ascending=False)
selected_stocks = (amp > 1) & (kdj < 20) & (df['sector'] == sector) & (mv_rank <= 200) & (df['float_mv'] < 1e10)
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
selected_stocks.drop('pct_chg', axis=1, inplace=True)
return selected_stocks['code'].tolist()
通过使用Python实现该选股逻辑，结合股票振幅、KDJ指标等进行选股，筛选机器人概念且流通市值小于100亿的标的。在实际运用过程中，可以根据实际情况和投资策略进行相应的优化和改进。
## 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。
