问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，机器人概念且流通市值小于100亿。
选股逻辑分析
该选股逻辑结合了技术面指标和基本面指标，具有一定的综合性。振幅和底部抬高指标可以较好地反映股票的价格走势，机器人概念和流通市值可以反映公司的基本面和市场热点。该选股逻辑相对简单，易于操作，适用于投资者对机器人概念较为熟悉的场景。
有何风险？
该选股逻辑较为依赖机器人概念和市场热点，可能存在一些市场情况导致热点快速消退，公司基本面及业绩不能支撑股价继续上涨。此外，流通市值小于100亿的股票较为集中于中小市值股票，具有较高的投资风险和波动性。
如何优化？
为了提高该选股逻辑的可靠性和有效性，可以加入一些其他的技术面和基本面指标，如成交量、均线系统、财务指标等，加强对股票价格和基本面的判断。此外，可以根据实际情况制定相应的止盈止损策略，降低投资风险。
最终的选股逻辑
基于以上分析，完善的选股逻辑如下：
1.振幅大于1；
2.底部抬高；
3.机器人概念；
4.流通市值小于100亿；
5.加入其他技术面和基本面指标的判断。
同花顺指标公式代码参考
以下是同花顺实现该选股策略的指标公式代码：
C1 = AMP() > 1;
C2 = BOTTOM(HIGH, C1) > BOTTOM(HIGH, C1 + 1) AND BOTTOM(HIGH, C1) > BOTTOM(HIGH, C1 + 2);
# 添加机器人概念和流通市值的限制
C3 = CONCEPT_INNER('机器人') AND GET_CVALUE(SECURITY_CODE(),'流通市值') < 10000000000;
SELECTOR = C1 AND C2 AND C3;
RESULT = SELECTOR;
python代码参考
以下是Python实现该选股策略的部分代码：
# 筛选符合条件的股票
def select_stocks(start_date, end_date):
selected_stocks = []
for stock in stocks:
# 获取该股票在指定时间内的历史K线数据
df_kline = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['open', 'high', 'low', 'close', 'volume'], skip_paused=True, fq='pre')
# 计算底部抬高指标和振幅，判断是否符合选股逻辑
c1 = df_kline['high'].std() > 1
c2 = BOTTOM(df_kline['high'], 2) > BOTTOM(df_kline['high'], 3) > BOTTOM(df_kline['high'], 4)
# 判断机器人概念和流通市值
c3 = '机器人' in get_concepts(stock) and get_fundamentals(query(valuation.circulating_market_cap).filter(valuation.code.in_([stock]), valuation.circulating_market_cap > 0)).iloc[0, 0] < 10000000000
# 加入其他技术面和基本面指标的判断
# 选取符合条件的股票，加入结果列表中
if c1 and c2 and c3:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks('2021-01-01', '2021-12-31')
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。
