问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、饮料酒进出口并且前天的MACD小于0的股票。
选股逻辑分析
本策略主要考虑了股票交易情况、行业以及技术面等多种因素。选取换手率在3%-12%较低，有一定的稳健性，而饮料酒进出口则是以行业为主要考虑因素。通过前天MACD小于0，筛选出近期表现较差的股票，有助于减少买入高位的风险。
有何风险？
该选股逻辑依然没有很好地考虑到公司基本面质量，同时前天MACD小于0并不总是代表股票表现较差，存在可能被市场短期噪音所影响的情况。
如何优化？
同样可以加入一些基本面指标，如市盈率、市净率、股息率等以提高选股的准确性。同时可以加入其他技术指标，如KDJ、RSI、布林带等，提高技术面选股效果。另外，也可以加入机器学习算法和大数据分析等方法，以更全面的方式进行股票筛选。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口并且前天的MACD小于0的股票。
同花顺指标公式代码参考
MACD小于0：SELECT((DIFF<0) AND (DIFF>N AND DEA<N))
换手率在3%-12%：SELECT(TURN<N>AVG(TURN,N) AND TURN<N>3 AND TURN<N<12)
饮料酒进出口：SELECT(SECTOR('K40')=1)
选股：SELECT(CODE AND MACD小于0 AND 换手率3%-12% AND 饮料酒进出口)
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,list_date')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df1 = df1[(df1['ts_code'].str.startswith('300')) | (df1['ts_code'].str.startswith('688'))]
df2 = pro.daily_basic(ts_code='', trade_date='20220322', fields='ts_code,trade_date,turnover_rate,volume_ratio,pe,pb')
df2 = df2[(df2['turnover_rate'] >= 3) & (df2['turnover_rate'] <= 12)]
df2 = pd.merge(df2, df1, on='ts_code')
df3 = pro.daily(ts_code='', start_date='20220323', end_date='20220323', fields='ts_code,trade_date,close')
df3['MACD'], df3['MACD_signal'], df3['MACD_hist'] = talib.MACD(df3['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df4 = pro.daily(ts_code='', start_date='20220320', end_date='20220321', fields='ts_code,trade_date,MACD')
df3 = pd.merge(df3, df4, on='ts_code')
df3 = df3[(df3['MACD'] < 0)]
df3 = pd.merge(df3, df2[['ts_code']], on='ts_code')
return df3['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。
