问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年、机器人概念且流通市值小于100亿的股票。
选股逻辑分析
本策略加入了机器人概念和流通市值的筛选条件，使得选出的股票更加聚焦于机器人概念，并且流通市值比较小，有可能有较大潜力。但是，机器人概念和流通市值的标准需要定期回顾和优化。
有何风险？
机器人概念不一定能够持续发展，且标准较难确定。同时，流通市值较小的股票可能存在较大的风险。
如何优化？
需要对机器人概念和流通市值的定义进行优化，可以使用其他指标以及根据具体行业情况进行适当调整。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年、机器人概念且流通市值小于100亿的股票。
同花顺指标公式代码参考
振幅和上市时间与之前的策略相同。机器人概念可以使用股票列表数据中的概念板块数据，流通市值可以使用财务数据中的流通股本和当天收盘价计算。
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
for i in range(3):
# 筛选出振幅大于1、上市时间大于一年的股票
basic = pro.stock_basic(list_status='L', fields='ts_code,name,list_date')
basic = basic[basic["list_date"].apply(int).apply(lambda x: (int(today) - x) > 365)]
# 包含机器人概念
concept = pro.concept(src='ts')
concept = concept[concept['concept_name'].str.contains('机器人')]
basic = pd.merge(basic, concept, on='ts_code')
# 流通市值小于100亿
fin = pro.query("balancesheet", ts_code=basic["ts_code"].str.cat(sep=","), start_date=int(today)-365, end_date=int(today))
fin["cap"] = fin["total_share"] * fin["end_bal_cash"]
fin = fin.groupby(by="ts_code").last()
basic = pd.merge(basic, fin[fin["cap"]<10000000000], on='ts_code')
# 使用其他指标筛选
for code in basic["ts_code"].unique():
if len(selected_stocks) >= n:
break
# TO DO ...
if len(selected_stocks) >= n:
break
return selected_stocks
## 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。
