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，RSI小于65。
选股逻辑分析
该选股逻辑主要从技术面和市场走向入手，并结合了机器人概念的特殊性质。具体分析如下：
- 振幅大于1有利于选股方式的精准度；
- 选取机器人概念股票，可以关注技术行业投资机会；
- 流通市值小于100亿，可以选到一些市值相对较小的中小型公司，有利于获取高收益；
- RSI小于65是一个相对较低的技术指标，有利于点燃价格的上涨；
- 结合机器人概念股票，可以关注技术投资机会，进一步获得长期稳定的投资收益。
有何风险？
本选股策略的风险主要有以下几个方面：
- 过度追求技术面指标和行业概念，可能会忽略股票的基本面和市场走势；
- 市场整体的情绪变化可能会产生较大的波动，增加投资风险；
- RSI指标只是一个相对较低的技术指标，不具备确定性的走势。
如何优化？
为了优化选股策略，可以从以下几个方面进行改进：
- 将技术面指标、基本面和市场走势等多种因素结合起来，建立更加全面的选股模型；
- 制定合理的风险控制策略，避免过度追求短期收益；
- 依据多个行业的趋势方向，进行选股，降低单一行业投资的风险。
最终的选股逻辑
为了避免盲目追求技术面和行业概念，可以从以下几个方面进行改进：
- 振幅大于1，流通市值为100亿以下，机器人概念股票；
- 研究基本面和市场走势，选择符合条件的股票；
- 选取多个行业的趋势方向选股，降低单一行业投资的风险。
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
A0 = ((HIGH - LOW) / LOW) > 0.01;
//机器人概念
B0 = CONCEPT IN ("智能机器人");
//流通市值小于100亿
C0 = CAPITALIZATION < 10000000;
//RSI小于65
D0 = RSI(6) ＜ 65;
//组合
IF(A0 AND B0 AND C0 AND D0, 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：
# 获取股票数据和财务数据
df = get_data(context.trade_date, context.holding_num)
concept_stocks = get_concept_stocks(['智能机器人'])
financials = get_fundamentals(query(valuation.code, indicator.roe_diluted),
end_date=context.trade_date, count=5)
# 判断振幅是否符合条件
df['amplitude_condition'] = (df['high'] - df['low']) / df['low'] > 0.01
# 判断股票是否为机器人概念股票
df['concept_condition'] = df['code'].isin(concept_stocks)
# 判断流通市值是否符合条件
df['capitalization_condition'] = df['capitalization'] < 10000000
# 判断RSI是否符合条件
df['rsi_condition'] = ta.RSI(df['close'], timeperiod=6) < 65
# 综合判断各种条件
exc_stocks = df[df['amplitude_condition'] & df['concept_condition'] &
df['capitalization_condition'] & df['rsi_condition']].sort_values(by='market_value', ascending=False).iloc[:context.holding_num]
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。
