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，反包。
选股逻辑分析
该选股策略在原基础上增加了反包标志，即在排除北京地区A股的基础上，再排除掉已在成分股中的个股。这意味着该策略更注重交易流通性和持仓分散程度，适合短线投资者使用。
有何风险？
该选股策略仍未考虑股票的实际业绩和未来发展趋势，只关注了流通市值、基本面指标和流动性因素，在其他特定情况可能存在投资风险。
如何优化？
该选股策略可以进一步优化：在考虑股票的交易流通性和持仓分散程度的同时，应考虑到实际业绩、未来发展趋势等因素，从而筛选高质量企业。同时，可以结合市场情况，在具体交易中增加特定的止盈、止损策略，有助于进一步提高策略的稳定性。
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；
- 反包；
- 除北京A股之外。
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:INDEX_CONTAINS("000300.SH") = 0; // 反包
NOT(RE((B60))); // 除北京A股之外
FILTER:F01 AND F02 AND F03 AND F04;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT IF(F05, 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)
# 标志：振幅大于1、流通市值小于100亿、机器人概念、反包、除北京A股之外
selected_stocks = (
(high / low - 1 > 0.01).any(axis=0) &
concept_robot &
(circulation_market_cap < 10000000000) &
(~dv.get_ts('constituents', symbol=symbol)) &
(dv.get_ts('area', symbol=symbol) != '北京')
)
# 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，并考虑到股票的交易流通性和持仓分散程度，从而进一步筛选高质量的股票。同时，该代码还考虑到需要排除掉已在成分股中的个股。
## 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。
