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、机构动向大于0的股票。
选股逻辑分析
该选股策略在行业选择上比较明确，结合机构动向能够较好地把握市场资金流向，选出高市值、有优质机构支持的股票。同时，考虑到换手率的限制，可以对资金使用进行较为有效的限制，防范资金流动性不足的风险。
有何风险？
该选股策略可能忽略了公司的基本面因素，导致选新优美和稳定盈利的股票的可能性较小。同时，在选股逻辑上由于机构动向的数据时效性问题，需要及时更新机构数据。
如何优化？
可加入一些基本面指标，例如2019年度ROE (7分)、2019年度营收同比增速等潜力指标，更全面地考虑股票的质地和未来发展趋势；同时，结合历史数据数据，可以探究机构动向与后市的关系，设定较为科学有效的机构数据阈值，进一步提高选股精度。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、机构动向大于0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)
机构动向大于0：SELECT(INSTITUTIONHOLD>N, N=1)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND SELECT_IND13>=5 AND SELECT_IND14>=3 AND SELECT_IND15>=3, NOT ST)
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')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df2 = pro.fund_holdings(ts_code='', end_date='20220228', fields='ts_code,hold_ratio')
df2 = df2[df2['hold_ratio'] > 0]
df3 = pro.daily_basic(ts_code='', trade_date='20220228', fields='ts_code,turnover_rate')
df3 = df3[df3['turnover_rate'].between(3, 12)]
df4 = pd.merge(df1, df2, on='ts_code')
code_list = pd.merge(df4, df3, 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。
