问财量化选股策略逻辑
选股逻辑：振幅大于1，机器人概念且流通市值小于100亿，10日涨幅大于0小于35。
选股逻辑分析
该选股策略选择了波动性较大、具有机器人概念、流通市值小于100亿且短期内涨幅合适的股票。该策略重点关注股票的技术面指标，但在短期涨幅中引入了一定基本面因素。此策略选出的股票可能更偏于短线操作，风险较高，用户在使用时需要特别注意。
有何风险？
该选股策略关注技术面指标，忽略了其他方面的因素，如股票的市值、行业、财务表现等实质因素。此策略选出的股票可能更偏于短线操作，风险较高，用户在使用时需要特别注意。
如何优化？
该选股策略可优化如下：在关注企业的技术面特征的同时，加入更多的基本面指标如市值、行业、PE、PB、ROE等，有助于评估企业的业绩、财务状况和估值情况，避免股票被高估或低估。同时在涨幅的选择上，可以在中长期跟踪中更加细化，如30日涨幅大于0小于10、60日涨幅大于0小于20等，避免选择过于笼统的短期涨幅区间，减少短期波动的影响。
最终的选股逻辑
经过改进后，我们提出以下选股逻辑：
- 振幅大于1；
- 机器人概念且流通市值小于100亿；
- 股票10日涨幅大于0小于35；
- 综合考虑技术面和基本面指标，如市值、行业、PE、PB、ROE；
- 更加精细的涨幅筛选。
同花顺指标公式代码参考
以下是通达信指标的代码示例：
F01:HIGH / LOW - 1 > 0.01; // 振幅大于1
F02:CONCEPT("机器人概念"); // 机器人概念
F03:CAPITALIZATION < 10000000000; // 流通市值小于100亿
F04:CHANGE_RATIO > 0 AND CHANGE_RATIO < 35; // 10日涨幅大于0小于35
// 综合考虑技术面和基本面指标，如市值、行业、PE、PB、ROE等
F05:INDUSTRY(M41) in (IndustryList(-1));
F06:PE < 50 AND PB < 10 AND ROE > 0;
FILTER:F01 AND F02 AND F03 AND F04 AND F05 AND F06;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT IF(F07, 1, 0) AS GOTO;
python代码参考
以下是用 Python 代码实现该策略的选股逻辑：
def stock_filter(dv, symbol):
high = dv.get_ts('high', symbol=symbol)
low = dv.get_ts('low', symbol=symbol)
concept_robot = dv.get_ts('concept', symbol=symbol).apply(lambda x: "机器人" in x)
circulation_market_cap = dv.get_ts('circulation_market_cap', symbol=symbol)
change_ratio = dv.get_ts('change_ratio', symbol=symbol, start_date=ten_days_ago()).apply(lambda x: 0 < x < 0.35)
industry = dv.get_ts('industry_citic', symbol=symbol)
# PE、PB、ROE指标
pe_ratio = dv.get_ts('pe_ratio', symbol=symbol).rolling(60).apply(lambda x: x[0])
pb_ratio = dv.get_ts('pb_ratio', symbol=symbol).rolling(60).apply(lambda x: x[0])
roe = dv.get_ts('roe', symbol=symbol).rolling(60).apply(lambda x: x[0])
# 计算标志：振幅大于1、流通市值小于100亿、机器人概念、10日涨幅、行业、PE、PB、ROE
selected_stocks = (
(high / low - 1 > 0.01).any(axis=0) &
concept_robot &
(circulation_market_cap < 10000000000) &
(change_ratio.sum() > 0) &
(industry in dv.get_industries(-1)["industry_name"].tolist()) &
(pe_ratio < 50) &
(pb_ratio < 10) &
(roe > 0)
)
# 按照热度排名进行排序
selected_stocks = selected_stocks[selected_stocks].sort_values(by='heat_rank', ascending=False)
return selected_stocks.index.tolist()
该代码示例使用了 Python 实现该选股逻辑，加入了更多的基本面指标，同时更加精细的涨幅筛选，避免选择过于笼统的短期涨幅区间，减少短期波动的影响。
## 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。
