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,昨天换手率＞8%。
选股逻辑分析
该选股策略在基本面因素的振幅、机器人概念、流通市值的基础上，增加了股票昨日交投活跃程度的因素。该策略能够挑选出交投活跃、具有一定市场流动性的潜力股。
有何风险？
该选股策略依然受制于市场波动情况以及机器人概念是否受到市场热度的喜爱。同时，该策略可能会忽略一些股票在昨日交投活跃但基本面不佳的情况，同时忽略了股票在交投活跃之后的调整和波动。另外，该策略对于流通市值为100亿以上的公司也无法进行有效的筛选。
如何优化？
该选股策略可以通过增加其他品种的选择条件，例如市盈率、市净率等指标，以减小非基本面因素对选股策略的干扰。同时，可以加入过去一段时间的股价趋势和量价关系等技术因素作为筛选标准，增强选股的有效性。
最终的选股逻辑
综合以上分析，我们提出一种改进的选股逻辑：
- 振幅大于1；
- 机器人概念；
- 流通市值小于100亿；
- 昨日换手率大于8%。
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:EVERY(DAY >= 2, REF(VOL, 1) / CAPITALIZATION > 0.08); // 昨日换手率 > 8%
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)
vol = dv.get_ts('volume', symbol=symbol)
turnover_rate = dv.get_ts('turnover_rate', symbol=symbol)
# 计算标志：振幅大于1、流通市值小于100亿、机器人概念、昨日换手率大于8%
selected_stocks = (
(high / low - 1 > 0.01).any(axis=0) &
concept_robot &
(circulation_market_cap < 10000000000) &
(circulation_market_cap > 0) &
(turnover_rate.shift(periods=1) / circulation_market_cap > 0.08)
)
#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 Python 实现了该选股逻辑，综合考虑了振幅、机器人概念、流通市值、昨日换手率等因素，但将流通市值的筛选条件调整为小于100亿。同时，将换手率视为 turnover_rate = 成交量 / 流通市值 来计算。
## 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。
