问财量化选股策略逻辑
该选股策略选取元宇宙行业中，在前日实际换手率在3%至28%之间的饮料酒进出口企业进行投资。
选股逻辑分析
该选股策略主要围绕以下条件进行选股：
- 选取元宇宙行业中饮料酒进出口企业，因为这些企业可能受到元宇宙行业内用户需求的影响，具有潜在的成长性；
- 前日实际换手率在3%至28%之间，可能表示该个股存在着资金流动性和市场认可度。
综合以上条件，选择符合条件的个股进行投资。
有何风险？
- 饮料酒进口出口企业受到宏观经济环境、市场和政策等多种因素的影响，可能存在较高的不确定性；
- 过多关注短期市场波动，可能会造成选择失误。
如何优化？
- 考虑加入基本面分析指标，例如营收、利润增长率等指标进行预测企业未来的盈利能力；
- 加入其他筛选条件，例如价格-销量比、技术指标等，对选股进一步优化。
最终的选股逻辑
该选股策略选取元宇宙行业中，在前日实际换手率在3%至28%之间的饮料酒进出口企业进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK("gnxq");
- 饮料酒进出口概念股票列表：GNBK("gnxqgn_767064");
- 前日实际换手率：TURNOVER(2);
选股公式：GNBK("gnxq") AND GNBK("gnxqgn_767064") AND TURNOVER(2)>3 AND TURNOVER(2)<28
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry')
data1 = data1[data1['name'].str.contains('饮料') | data1['name'].str.contains('酒') | data1['name'].str.contains('进出口')]
data2 = pro.daily_basic(ts_code='', trade_date='20220114', fields='ts_code,trade_date,turnover_rate,factor')
data2 = data2[(data2['trade_date'] == '20220114') & (data2['turnover_rate'] >= 3) & (data2['turnover_rate'] <= 28) & (data2['ts_code'].isin(list(data1['ts_code'])))]
data3 = pd.DataFrame(columns=['ts_code', 'name', 'industry'])
for ts_code in list(data2['ts_code']):
data4 = pd.DataFrame(columns=['ts_code', 'name', 'industry'])
data4.loc[0, 'ts_code'] = ts_code
data4.loc[0, 'name'] = data1[data1['ts_code'] == ts_code]['name'].iloc[0]
data4.loc[0, 'industry'] = data1[data1['ts_code'] == ts_code]['industry'].iloc[0]
data3 = pd.concat([data3, data4])
return data3
## 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。
