问财量化选股策略逻辑
选股逻辑为：振幅大于1、价格低于12元、机器人概念股票、流通市值小于100亿。
选股逻辑分析
该选股逻辑综合考虑了价格水平、价格波动性、行业概念和公司规模等因素。通过筛选市值较小、但概念前景良好的机器人股票，以期望获得稳定的高收益。
有何风险？
该选股逻辑存在以下风险：
- 过分依赖特定行业或者概念的变化；
- 未考虑公司财务数据和其他关键指标；
- 选股逻辑缺乏充分的风险控制机制。
如何优化？
为降低风险，可考虑以下优化方案：
- 引入更多关键指标，如企业盈利、成长性等；
- 引入风险控制机制，降低投资组合风险；
- 引入量化模型，充分优化选股逻辑。
最终的选股逻辑
最终的选股逻辑如下：
- 振幅大于1；
- 价格＜12元；
- 具备机器人概念；
- 流通市值小于100亿。
同花顺指标公式代码参考
使用通达信实现该选股逻辑：
SELECT: ABS(OPEN - PREV_CLOSE) / PREV_CLOSE > 0.01 AND CLOSE < 12 AND EXISTS(
SELECT * FROMTHS_DZH_CONCEPT as c WHERE LEFT(CODE,6) = c.STOCK_CODE AND c.CONCEPT_NAME LIKE '%机器人%'
) AND CIRC_MAR_CAP < 100
ORDER BY TURNOVER DESC;
Python代码参考
使用tushare实现该选股逻辑：
import tushare as ts
def is_selected(code):
# 判断是否具备机器人概念
concept_data = ts.get_concept_classified()
if code not in concept_data[concept_data['c_name']=='机器人'].code.tolist():
return False
# 获取市值数据并判断是否符合选股条件
basi_data = ts.get_stock_basics()
if basi_data.loc[code]['circulating_market_cap'] < 100:
return True
return False
# 获取股票列表，遍历股票进行选股
stocks = ts.get_stock_basics()
selected_stocks = []
for code, row in stocks.iterrows():
if is_selected(code):
selected_stocks.append(code)
# 利用选股结果进行股票交易
for code in selected_stocks:
pass # 参考其他策略
使用tushare库获取股票基本信息和概念分类数据等信息，判断选股条件并遍历所有股票进行筛选。需要注意算法的优化和过滤机制。
## 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。
