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，量比大于1.5、量比小于6。
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，加入了股票交易量的因素。选股逻辑筛选出交易活跃，同时具备基本面潜力的潜力股。
有何风险？
选股策略中的量比指标容易受大单交易的影响，并不一定能够反映公司的基本面变化。此外，该策略可能忽略交易量较小但基本面优良的股票，而导致选股盲区。
如何优化？
首先，可以考虑增加基本面指标的筛选条件，以减弱量比对筛选结果的影响。其次，可以考虑引入其它技术指标，例如股票动能、波动率等，以提高选股精度。最后，可以适当降低量比的阈值，以增加选股的广度。
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：
- 振幅大于1；
- 机器人概念且流通市值小于100亿；
- 量比大于1.5、量比小于6。
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:VOL / MA(VOL, 10) > 1.5; // 量比大于1.5
F05:VOL / MA(VOL, 10) < 6; // 量比小于6
FILTER:F01 AND F02 AND F03 AND F04 AND F05;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT IF(F06, 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)
volume = dv.get_ts('volume', symbol=symbol)
ma_volume = dv.get_ts('volume', symbol=symbol).rolling(window=10, min_periods=0).mean()
# 计算标志：振幅大于1、流通市值小于100亿、量比大于1.5、量比小于6
selected_stocks = (
(high / low - 1 > 0.01).any(axis=0) &
concept_robot &
(circulation_market_cap < 10000000000) &
((volume / ma_volume) > 1.5) &
((volume / ma_volume) < 6)
)
#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、流通市值以及量比等因素，同时，将量比的筛选条件限定在了1.5 ~ 6之间。
## 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。
