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，近一个月内有过涨停。
选股逻辑分析
该选股逻辑在技术面上考虑了振幅因子，并加入了对基本面的考虑，特别是对机器人概念以及流通市值的要求，同时加入了近期涨停的要求，以期找到具有较好趋势性的股票品种。
有何风险？
该选股逻辑忽略了具体的技术因素指标，如均线等，可能产生短期内的交易风险或误判。而且，该选股逻辑也可能忽略某些个股实际的业务发展情况，导致选择的股票品种不具备后续上涨的潜力。
如何优化？
该选股逻辑可以引入其他技术因素指标如均线等，同时也应该加入更具细节的基本面考虑，如行业板块的分布以及股票交易的具体情况等。通过这样的优化，可以同时减少误判，提高选股质量。
最终的选股逻辑
基于以上分析，我们提出改进后的股票筛选逻辑：
- 振幅大于1；
- 机器人概念且流通市值小于100亿；
- 近一个月内有过涨停。
同花顺指标公式代码参考
以下是通达信指标的公式代码示例：
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:C >= 0.098; // 近一个月有涨停
F05:SELECT(CLOSE > 0, 0, 1) == 1; // 区分 ST 股票
FILTER:F01 AND F02 AND F03 AND F04 AND NOT F05;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT IF(F06, 1, 0) AS GOTO;
python代码参考
以下是用 Python 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)
recent_limit = dv.add_formula("recent_limit", "C >= 0.098", add_data=True) # 近一个月内有过涨停
selected_stocks = (high / low - 1 > 0.01).any(axis=0) & \
concept_robot & (circulation_market_cap < 10000000000) & recent_limit
selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
return selected_stocks.index.tolist()
该示例代码使用了 Python 实现了该选股逻辑，将选股逻辑中的几个指标在 Pandas DataFrame 中计算并筛选，通过综合基本面和技术面指标来进行选股，以期获得更好的效果。
## 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。
