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, 500日内至少2次涨停。
选股逻辑分析
该选股策略在技术面和基本面基础上，加入了近500天内至少2次涨停的条件，旨在挑选出具有较好走势和市场关注度的标的股，同时保证公司基本面和行业趋势等基本条件的合理性。
有何风险？
该选股策略可能存在以下风险：
- 基于近期涨停次数的选股策略可能过于看重短期走势，忽视了公司的长期价值和潜力；
- 涨停过多的股票可能导致买卖难度和风险增加；
- 本策略未考虑市场的整体走势和风格变化，导致适应性较差。
如何优化？
为减少风险，可以从以下几个方面进行改进：
- 在基础的选股条件下，加入更多的财务和业绩数据，确保筛选出的股票具有长期成长性和优秀的公司基本面；
- 在涨停次数的筛选条件下，加入股票整体市场表现和相对强弱等指标，以避免在市场调整时仍然持股，减少操作风险；
- 不断优化选股策略，增加其适应性和稳定性，加强风险控制。
最终的选股逻辑
综上所述，最终的选股逻辑如下：
- 振幅大于1、机器人概念、流通市值小于100亿；
- 近500天内至少2次涨停；
- 具有良好财务数据、业绩表现、长期成长性和市场整体表现的标的股。
同花顺指标公式代码参考
为了实现选股逻辑，可以结合同花顺提供的指标公式，如下：
// 振幅
A1 = ((H - L) / L) > 0.01;
// 机器人概念
B1 = CONCEPT IN ("智能机器人");
// 流通市值小于100亿
C1 = CAPITALIZATION < 100000000;
// 500日内至少2次涨停
D1 = TDX_LAST_C + TDX_LAST_C1 >= 2;
// 合并条件
IF(A1 AND B1 AND C1 AND D1, 1, 0)
Python代码参考
为了实现选股逻辑，可以结合Python的pandas等模块和优矿的数据API，如下：
# 获取股票数据和涨停数据
stock_data = get_stock_data()
zt_data = get_zt_data()
# 判断振幅是否符合条件
stock_data['amplitude'] = (stock_data['high'] - stock_data['low']) / stock_data['low']
stock_data['amplitude_condition'] = stock_data['amplitude'] > 0.01
# 判断是否为机器人概念股票
concept_stocks = get_concept_stocks(['智能机器人'])
stock_data['concept_condition'] = stock_data['code'].isin(concept_stocks)
# 判断流通市值是否符合条件
stock_data['capitalization_condition'] = stock_data['market_cap'] < 100000000
# 判断是否满足涨停条件
stocks_zt = zt_data[zt_data['up_circuit_breaker_count'] >= 2]['ts_code'].tolist()
stock_data['zt_condition'] = stock_data['code'].isin(stocks_zt)
# 合并条件
df = pd.concat([stock_data['amplitude_condition'], stock_data['concept_condition'], stock_data['capitalization_condition'], stock_data['zt_condition']], axis=1)
exc_stocks = df[df.all(axis=1)]
# 进一步筛选出具有业绩表现和成长潜力的个股
selected_stocks = filter_performance_and_grow(exc_stocks)
注意事项：本回答中的选股逻辑、指标公式和Python代码仅供参考，实现过程中需要根据具体投资策略进行作出一定的调整和优化。
## 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。
