问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、饮料酒进出口、上市时间大于一定期限的股票。
选股逻辑分析
该策略考虑了行业板块、换手率和上市时间等因素，可以更好地综合考虑股票的风险和收益。
有何风险？
该策略仅考虑了行业板块、换手率和上市时间等因素，忽略了公司基本面和财务数据等重要因素，存在投资风险。
如何优化？
可以加入更多的量化指标如市盈率、市净率等公司基本面和财务数据，构建一个更全面的量化选股策略。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、上市时间大于一定期限的股票。
同花顺指标公式代码参考
换手率在3%-12%：SELECT(TURN<N>=AVG(TURN, N) AND TURN<N+1>AVG(TURN, N+1) AND TURN<N>3 AND TURN<N<12)
上市时间大于一定期限：SELECT(TRADEDATE-SUBSTR(LISTDATE, 1, 8)>=X)
饮料酒进出口：SELECT(SECTORCODE('K40')=1)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND TRADEDATE-SUBSTR(LISTDATE, 1, 8)>Y)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(x, y):
pro = ts.pro_api()
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry,name,list_date')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df1['list_date'] = pd.to_datetime(df1['list_date'])
df1['trade_date'] = pd.to_datetime('today').strftime('%Y%m%d')
df1['trade_date'] = pd.to_datetime(df1['trade_date'])
df1['days'] = (df1['trade_date'] - df1['list_date']).apply(lambda x: x.days)
df2 = pro.top_list(trade_date='20211008', fields='ts_code')
df3 = pro.daily(ts_code='', start_date='20211008', end_date='20211008', fields='ts_code,vol,amount')
df3 = df3[(df3['vol']!=0) & (df3['amount']!=0)]
df4 = pro.daily(ts_code='', trade_date='20211008', fields='ts_code,turnover_rate')
code_list = pd.merge(df1, df2, on='ts_code')
code_list = pd.merge(code_list, df3[['ts_code']], on='ts_code')
code_list = pd.merge(code_list, df4[['ts_code']], on='ts_code')
code_list = code_list[(code_list['turnover_rate']>3) & (code_list['turnover_rate']<12) & (code_list['days']>x)]
return code_list['ts_code']
## 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。
