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；
- 至少5根均线重合；
- 机器人概念；
- 流通市值小于100亿。
选股逻辑分析
该选股逻辑除了以技术面指标筛选趋势股票之外，还加入了机器人概念和市值等因素，以更为全面的角度来选股。机器人概念可以反映公司业务的创新度和市场空间，流通市值小于100亿则是考虑风险和公司规模。这些指标的综合利用能够帮助投资者筛选出高成长、低风险的股票。
有何风险？
虽然该选股策略着眼于多个指标，但仍存在一定风险。例如机器人概念的严谨度有待衡量，可能存在过度解读和操作不当的情况。此外，市值的大小本身并不能直接反映公司的质量，因此在具体筛选时还需关注公司的财务状况、行业发展趋势等因素。
如何优化？
为了进一步优化该选股策略，可以在公司基本面指标、行业趋势等方面加入更多考量。例如，可以加入市盈率、市净率等基本面指标进行过滤，对行业龙头高度关注，以确保所筛选的股票具有良好的长期投资价值。同时，还需充分考虑市场走势、宏观经济等因素的影响，以更为准确地筛选具有潜力的股票。
最终的选股逻辑
综上所述，我们建议选股策略逻辑为：
- 振幅大于1；
- 使用更为严谨的均线金叉/死叉指标；
- 机器人概念；
- 流通市值小于100亿；
- 基本面指标、行业趋势方面加入更多考量。
同花顺指标公式代码参考
- 振幅：(最高价-最低价)/收盘价
- 均线：MA(CLOSE，N)
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(date, low_price, ma_count):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 振幅大于1
bars_all = ts.get_hist_data(code, start='2021-01-01')
close = bars_all['close'].values
high = bars_all['high'].values
low = bars_all['low'].values
amplitude = (high - low) / close
if amplitude[-1] < 0.01:
continue
# 均线
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20]]))
if ma_count < 5:
continue
# 机器人概念
if df.loc[code]['concept'].find('机器人') < 0:
continue
# 流通市值
circulation = df.loc[code]['outstanding'] * close[-1] / 100000000
if circulation > 100:
continue
# 加入公司基本面因素进行过滤
# 选出的股票加入结果中
price = close[-1]
if price < low_price[0] or price > low_price[1]:
continue
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': price, 'vol': df.loc[code]['volume']},ignore_index=True)
result = result.sort_values(by=['vol'], ascending=False)
return result
注：代码仅供参考，具体选股逻辑和细节可根据实际需求进行调整。
## 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。
