问财量化选股策略逻辑
该选股策略包括四个条件：
- 振幅大于1
- 今日最低价小于昨日最低价
- 机器人概念
- 流通市值小于100亿
选股逻辑分析
该选股策略依然是多重条件筛选。振幅大于1和今日最低价小于昨日最低价同样表明股票波动剧烈，但面临反弹可能。加入机器人概念是根据近年来机器人市场快速发展的趋势，选择具有潜力的公司。流通市值小于100亿则是为了寻找中小型公司。
有何风险？
机器人概念既有机遇，也有风险，投资者需要更深入了解机器人行业发展情况，预测市场趋势。选择流通市值小于100亿可能局限于中小型市场，需要更加监管公司基本面数据进行风险控制。
如何优化？
该选股策略应该加入其他基本面指标来补充，如股票流通性、财务数据、行业数据等。另外设置筛选条件也可能更具企业的实际需求，例如可以增加对其他新兴行业的投资进行筛选。
最终的选股逻辑
基于以上分析，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 今日最低价小于昨日最低价，表明股票下跌趋势已经明显；
- 机器人概念，选择具有潜力的公司；
- 流通市值小于100亿，注意风险控制；
- 加入其他基本面指标进行评估；
同花顺指标公式代码参考
- 振幅大于1: amplitude > 1
- 今日最低价小于昨日最低价: low < ref(low, 1)
- 机器人概念: concept_str.contains('机器人')
- 流通市值小于100亿: circ_mv < 100000
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
bars = ts.get_hist_data(code)
if bars is not None:
is_amplitude_large = bars['high'][-1]/bars['low'][-1] > 1.01
is_today_lowest = bars['low'][-1] < bars['low'][-2]
is_robot_concept = '机器人' in df.loc[code]['concept_str']
is_small_circ_mv = df.loc[code]['circ_mv'] < 100000
if is_amplitude_large and is_today_lowest and is_robot_concept and is_small_circ_mv:
# 加入其他基本面指标
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'][-1], 'total_assets': df.loc[code]['total_assets'], 'gross_profit': df.loc[code]['gross_profit_ratio'], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe'], 'circ_mv': df.loc[code]['circ_mv'], 'concept': df.loc[code]['concept_str']}, ignore_index=True)
result = result.sort_values(by=['total_assets'], ascending=False)
## 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。
