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、振幅大于1的股票。
选股逻辑分析
该选股策略将行业进行了约束，并考虑了股票价格波动性，显示出短时间内市场情况。饮料酒进出口是当前较为热门的行业之一，同时振幅大于1也显示出市场波动性增加，差异化的选股策略可能导致更好的投资回报。
有何风险？
行业和价格波动性的任何更改都将影响该选股策略的效果。此外，振幅指标可能不是最佳的选股指标，有时可能会对股票产生误导，而忽略了基本面等重要因素。
如何优化？
可以加入一些基本面的因素来进一步筛选被选中的饮料类股票，例如公司的竞争力、稳定性和收入等。另外，可以考虑根据日内动量和市场环境来改变振幅阈值。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、振幅大于1的股票。
同花顺指标公式代码参考
换手率在3%-12%：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_SECTORCOUNT('K43')>0
振幅大于1：(HIGH<2*LOW OR (HIGH-LOW)/LOW>0.01)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND (HIGH<2*LOW OR (HIGH-LOW)/LOW>0.01), NOT ST)
python代码参考
import pandas as pd
def select_stocks(df):
df = df[['code', 'turnover', 'sector', 'high', 'low']]
df = df[df['sector'].str.contains('K43')]
df['amplitude'] = (df['high'] < 2 * df['low']) | ((df['high'] - df['low']) / df['low'] > 0.01)
df = df[df['turnover'].between(3, 12) & df['amplitude']]
return pd.DataFrame({'code': df['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。
