问财量化选股策略逻辑
选股逻辑：振幅大于1,连续5年ROE＞15%,机器人概念且流通市值小于100亿。
选股逻辑分析
该选股逻辑在技术面上选择了振幅大于1的股票，在基本面上选择了连续5年ROE＞15%的稳健盈利企业，同时筛选出机器人概念股，挖掘未来产业发展的潜力。同时，限制了流通市值小于100亿，有助于筛选出更具有成长性的股票。
有何风险？
该选股逻辑可能存在以下风险：
- 机器人概念可能具有局限性，未来行业发展不尽人意，选股效果或许不尽如人意；
- 流通市值小于100亿不能完全代表优质公司，可能存在其他风险未能考虑到。
如何优化？
为了减少风险，可以尝试以下优化：
- 考虑加入其他与机器人概念相关的指标和关键词，如人工智能、智能制造等；
- 可以加入其他基本面指标，如市盈率、市净率等，综合选股；
- 根据不同投资标的，可做出不同的市值筛选，以降低潜在风险。
最终的选股逻辑
根据以上分析和优化，可以得到以下完善的选股逻辑：
- 选择振幅大于1的股票；
- 选择连续5年ROE＞15%的稳健盈利企业；
- 选择机器人概念股，并加入其他机器人概念相关的指标和关键词，如人工智能、智能制造等；
- 选择流通市值小于100亿的公司；
- 综合考虑市盈率、市净率和技术指标，加入其他基本面和技术指标做进一步考量；
- 根据不同投资标的，做出合适的市值筛选。
同花顺指标公式代码参考
C1: IF((HIGH - LOW >= 1) AND ('其他波动性指标'), 1, 0);
C2: IF(ROE(CLOSE, 5) > 15, 1, 0);
C3: IF(INLIST('机器人概念股'), 1, 0);
C4: IF(LTMCAP < 100000000, 1, 0);
SELECTOR: C1 * C2 * C3 * C4;
RESULT: SELECTOR;
python代码参考
import pandas as pd
from tqsdk import TqApi
api = TqApi()
klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=300)
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 1) & ('其他波动性指标')
def check_roe(x):
return (x > 0.15).all()
C2 = df.groupby('contract.symbol')['roe'].apply(check_roe)
C3 = df['concept'].str.contains('机器人')
C4 = df['ltm_cap'] < 100000000
selector = (C1 & C2 & C3 & C4).astype(int)
result = df[selector == 1].sort_values('amount', ascending=False).index.tolist()
注意，对于选股逻辑中的“其他波动性指标”、“其他基本面指标”、“其他机器人概念相关的指标和关键词”，需要结合具体数据做出判断，在实际应用中需要进行调整。
## 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。
