问财量化选股策略逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、机器人概念且流通市值小于100亿。该选股策略同时考虑了个股市值，行业概念和波动性因素。
选股逻辑分析
该选股逻辑除了考虑个股市值、波动性因素，还加入了机器人概念的限制因素，由此筛选出具有机器人行业关联度的波动性较大且市值适宜的个股。
有何风险？
该选股逻辑存在以下风险：一是流通市值小于100亿的个股较少且可能不稳定，可能存在较大风险；二是机器人概念可能随时被市场操纵等外在因素影响；三是由于忽略了其他基本面指标，不能全面评估企业的投资价值。因此，在实际应用中需要多方面的考量和分析，综合判断选股风险。
如何优化？
为优化该选股逻辑，可以继续引入其他因素，如市盈率、市净率等指标，同时进行综合考虑。此外，可以加入其他类似于机器人概念的行业板块，增加选股范围，提高策略的收益和稳定性。
最终的选股逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、机器人概念且流通市值小于100亿。该选股策略旨在从市值适中、与机器人相关性高、具有较高波动性的股票中挑选出可能具有一定投资潜力的标的。
同花顺指标公式代码参考
CIRC_MARKET_CAP >= 100 AND CIRC_MARKET_CAP < 10000 AND LEFT(LEFT(SECURITY_ID, 6), 4)="8080" AND Ref(HIGH/LOW, 1) > 1
其中，CIRC_MARKET_CAP表示流通市值大小，LEFT(LEFT(SECURITY_ID, 6), 4)="8080"表示机器人概念的限制，Ref(HIGH/LOW, 1)表示昨日的振幅。通过此公式进行筛选后，即可得到符合条件的股票。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,circ_mv,concept_name').ts_code:
stock_data = pro.query('stock_basic', ts_code=ts_code)
if stock_data.iloc[0]['circulating_market_cap'] < 100 or stock_data.iloc[0]['area'] == '北京':
continue
# 判断行业概念是否满足条件
if stock_data.iloc[0]['concept_name'].find('机器人') < 0:
continue
# 判断振幅是否满足条件
daily_data = pro.daily(ts_code=ts_code, start_date='20210101', end_date='', fields='trade_date, open, high, low, close, volume, pct_chg')
if len(daily_data) < 2:
continue
if max(daily_data['high'] / daily_data['low']) <= 1:
continue
selected_stocks.append(ts_code)
return selected_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。
