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、（昨日换手率*(今日竞价成交量/昨日成交量))>0.5<2的股票。
选股逻辑分析
该策略除了考虑行业板块和换手率以外，还加入了成交量数据的比较，可以更好地把握股票涨跌的节奏，对股票的挖掘也更精准。
有何风险？
该策略依然只考虑了行业板块和成交量的影响，忽略了公司基本面等因素，存在投资风险。
如何优化？
除更多的加入公司基本面指标以外，也可以考虑加入其他技术指标如MACD等，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、（昨日换手率*(今日竞价成交量/昨日成交量))>0.5<2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)
饮料酒进出口：SELECT(SECTORCODE('K40')=1)
昨日成交量：L1V
今日竞价成交量：JL
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND ((L1V*(JL/L1V))>0.5 AND (L1V*(JL/L1V))<2))
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry,name')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
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')
df4['l1v'] = df3.groupby(by='ts_code')['vol'].shift(1)
df4['jl'] = df3.groupby(by='ts_code')['vol'].first()
df4 = df4[(df4['l1v']*(df4['jl']/df4['l1v'])>0.5) & (df4['l1v']*(df4['jl']/df4['l1v'])<2)]
code_list = pd.merge(df1, df2, on='ts_code')
code_list = pd.merge(code_list, df4[['ts_code']], on='ts_code')
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。
