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，高点为两日最高。
选股逻辑分析
该选股策略主要通过振幅、机器人概念和流通市值等基本面指标，加上技术面指标中的两日最高点，结合一个交易日的涨幅来选出符合条件的股票。通过以上指标，可以较全面考虑技术面和基本面指标的综合情况。
有何风险？
该选股策略的风险主要有以下几点：
- 对于技术分析用指标，如两日最高点等，不能保证未来价格趋势会和历史数据一致；
- 选股策略所选出的股票可能出现回撤或亏损；
- 对盲目依赖机器人概念的股票有选择局限性的风险。
如何优化？
为了优化选股策略，可以从以下几个方面进行改进：
- 结合其他技术指标，如移动平均线和RSI等，来完善技术面分析；
- 对于不同行业的股票，可以针对其特定的基本面指标进行筛选；
- 加强风险控制意识，例如实现止损等风险控制策略。
最终的选股逻辑
为了综合考虑技术面和基本面指标，可以将选股策略完善如下：
- 振幅大于1，流通市值小于100亿，机器人概念股票；
- 两日最高点为高点；
- 选股池过筛后，再结合其他技术指标进行分析；
- 加强风险控制意识。
同花顺指标公式代码参考
为了实现选股逻辑，可以结合同花顺提供的指标公式，如下：
// 振幅
A0 = ((HIGH - LOW) / LOW) > 0.01;
// 机器人概念
B0 = CONCEPT IN ("智能机器人");
// 流通市值小于100亿
C0 = CAPITALIZATION < 10000000;
// 两日最高点为高点
D0 = ((HIGH > REF(HIGH, 1)) AND (HIGH >= REF(HIGH, 2)));
// 综合判断
IF(A0 AND B0 AND C0 AND D0, 1, 0)
python代码参考
为了实现选股逻辑，可以结合Python的pandas等模块和优矿的数据API，如下：
# 获取股票数据和财务数据
df = get_data(context.trade_date, context.holding_num)
concept_stocks = get_concept_stocks(['智能机器人'])
# 计算振幅
df['amplitude'] = (df['high'] - df['low']) / df['low']
# 判断振幅是否符合条件
df['amplitude_condition'] = df['amplitude'] > 0.01
# 判断是否为机器人概念股票
df['concept_condition'] = df['code'].isin(concept_stocks)
# 判断流通市值是否符合条件
df['capitalization_condition'] = df['market_value'] < 10000000
# 判断两日最高点是否为高点
df['high_condition'] = (df['high'] > df['high'].shift(1)) & (df['high'] >= df['high'].shift(2))
# 综合判断各种条件
exc_stocks = df[df['amplitude_condition'] & df['concept_condition'] &
df['capitalization_condition'] & df['high_condition']].sort_values(by='market_value', ascending=False).iloc[:context.holding_num]
注意事项：本回答中的选股逻辑、指标公式和Python代码仅供参考，实现过程中需要根据具体投资策略进行作出一定的调整优化。
## 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。
