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，流通盘小于等于55亿股。
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、流通盘基础上进行筛选。流通盘小于等于55亿，可以使得投资人员更容易操作股票，而不易被大股东所控制，降低一定的操控风险。
有何风险？
该选股策略仅关注基本面和股价波动等因素，忽略了公司资产负债表、现金流量表等因素的影响，其筛选结果可能会出现重要信息的遗漏，从而引发投资风险。
如何优化？
为了减少投资风险，可以将策略中关注的基本面指标的数量进行扩展，如加入财务指标。此外，可针对不同行业或同行业内的股票，建立不同的选股参数，如流通盘改用市值占比等等，以提高选股精度。
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：
1.振幅大于1；
2.机器人概念且流通市值小于100亿；
3.流通盘小于等于55亿股。
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:CIRCULATION_SHARES <= 5500000000; // 流通盘小于等于55亿股
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：
import talib
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)
shares = dv.get_ts('shares', symbol=symbol)
# 计算标志：振幅大于1、流通市值小于100亿、流通盘小于等于55亿股
selected_stocks = (
(high / low - 1 > 0.01).any(axis=0) &
concept_robot &
(circulation_market_cap < 10000000000) &
(shares <= 5500000000)
)
# 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、流通市值以及流通盘等因素。其中shares表示流通股本，通过数据源和数据平台获取。
## 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。
