问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,机器人概念且流通市值小于100亿。
选股逻辑分析
该选股策略基于振幅和周线红柱两项技术指标进行初步筛选，在此基础上加入了机器人概念和流通市值小于100亿的限制条件，进一步缩小了股票池，更加具有针对性。该选股策略较适合人工智能类公司入选，但机器人概念和流通市值都是相对的概念，可能存在需要解决的细节问题，如权重分配等。
有何风险？
该策略排除了一些拥有较大流通市值的潜在优质股票，同时机器人概念可能会存在针对其他行业的虚假宣传以及存在确认机器人产业的困难。流通市值和机器人概念两项指标的不稳定性可能会引起策略不稳定性。
如何优化？
该选股策略可以与基本面指标结合，如PE、市净率等，进一步强化选股逻辑的科学性，同时应注意细节问题，如机器人概念的权重分配、流通市值的设定、对机器人概念的定义等。
最终的选股逻辑
综合以上分析，最终的选股逻辑如下：
1.振幅大于1；
2.周线为红柱；
3.机器人概念；
4.流通市值小于100亿；
5.增加基本面因素进行更加详细的选股。
同花顺指标公式代码参考
以下是同花顺实现该策略的部分指标公式代码：
C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = CONCEPT("机器人概念")==1;
C4 = GET_CAPITAL(2) < 100;
SELECTOR = REF(SORT(RANK(TODAY_UP()),1),0) == 0;
RESULT = SELECTOR AND C1 AND C2 AND C3 AND C4;
Python代码参考
以下是Python实现该策略的部分代码：
def select_stocks():
selected_stocks = []
for stock in get_all_securities(types=['stock']).index:
c1 = get_price(stock, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = get_macd(stock, count=1, unit='1d', include_now=True, fillna=True)['macd'][-1] > 0
c3 = True if '机器人' in get_concept(stock) else False
c4 = get_market_cap(stock, date=datetime.now(), unit='billion') < 100
if c1 and c2 and c3 and c4:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks()
print(result)
以上代码仅供参考，具体实现还需要根据自身需求进行调整。
## 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。
