问财量化选股策略逻辑
选股逻辑为振幅大于1、规模2亿以上、机器人概念且流通市值小于100亿。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股逻辑主要考虑了股票价格波动、公司规模、行业发展前景和流动市值，能够初步筛选出机器人概念股中较为优质的低市值股票。
有何风险？
该选股策略主要风险如下：
- 盲目追逐热点，可能会选择一些并未真正具备机器人概念的公司；
- 低市值股票风险较高，可能会发生较大的价格波动。
如何优化？
为了缓解以上风险，可以考虑以下优化措施：
- 在机器人概念上进行深入挖掘，筛选出真正具备潜力的龙头企业；
- 考虑市值大小和价格波动性等因素的平衡，避免盲目追逐低市值股票。
最终的选股逻辑
在综合考虑风险和优化措施后，我们得出了如下完善版的选股逻辑：
- 振幅大于1；
- 规模2亿以上；
- 机器人相关概念股；
- 流通市值小于100亿；
- 具备一定的盈利能力和成长潜力。
基于该选股逻辑的股票筛选，应结合实际需求和风险承受能力进行具体操作。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
select (
/* 振幅大于1 */
high/low-1>=0.01,
/* 规模2亿以上 */
mkt_cap > 2e8,
/* 机器人相关概念股 */
instr(concept, '机器人') > 0,
/* 流通市值小于100亿 */
float_mv < 1e10,
/* 具备一定的盈利能力和成长潜力 */
/* 此处填写公司的盈利和成长指标 */
) order by code asc
Python代码参考
以下是选股策略示例代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股策略
'''
# 获取股票基本信息和财务数据
stock_info = ts.get_stock_basics().loc[code]
concept = ts.get_concept_classified()[ts.get_concept_classified()['code'] == code]['concept_name'].iloc[0] # 所属概念
npr = ts.get_profit_data(code).iloc[-5:]['net_profits'] # 最近5年净利润数据
nprr = ts.get_profit_data(code).iloc[-5:]['roe'] # 最近5年净资产收益率数据
# 判断选股条件
if (1 <= (ts.pro_bar(ts_code=code, start_date='20220101', end_date='20211231', adj=None).iloc[-1]['high'] /
ts.pro_bar(ts_code=code, start_date='20220101', end_date='20211231', adj=None).iloc[-1]['low'] - 1) * 100 <= 100) \
and (stock_info['totalAssets'] > 2e8) \
and ('机器人' in concept) \
and (stock_info['float_mv'] < 1e10) \
and (npr.min() >= 0 and nprr.min() >= 0):
some_other_conditions = True
# 判断股票是否符合要求
return some_other_conditions
return False
# 获取符合策略要求的股票列表
selected_stocks = [code for code in ts.get_stock_basics().index if is_selected(code)]
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
示例代码通过 Tushare 库获取相应的股票数据，结合选股逻辑进行筛选，最终得到符合要求的股票列表。在实际交易中，可根据筛选和排序结果进行后续的操作。
## 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。
