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、且主升起动的股票。
选股逻辑分析
该选股策略选择了较小的换手率区间和饮料酒行业，再加上选择股票主升起动这一条件，有可能可以筛选出有潜力的股票。主升起动可能意味着该股票正在启动一个新的上涨行情，投资者可以获取更高的回报。
有何风险？
在选股的同时，需要考虑主升起动情况是否可靠，主升起动出现的时间可能会因为各种因素而发生变化，在过度依赖此条件的情况下，可能会遇到操作错误的风险。
如何优化？
在主升起动的判断上，可以结合数据分析工具加以量化，提高主升起动的可信度。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、主升起动的股票。
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
主升起动：C>REF(C,1) AND C>REF(C,2) AND C>REF(C,3) AND C>REF(C,4) AND C>REF(C,5)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND C>REF(C,1) AND C>REF(C,2) AND C>REF(C,3) AND C>REF(C,4) AND C>REF(C,5), NOT ST)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
df = pro.fut_daily(trade_date='20220126', fields='ts_code,turnover_rate,industry,close')
df = df[df['industry'].str.contains('饮料') & df['industry'].str.contains('酒')]
df['main_up'] = ((df['close'] > df['close'].shift(1)) &
(df['close'] > df['close'].shift(2)) &
(df['close'] > df['close'].shift(3)) &
(df['close'] > df['close'].shift(4)) &
(df['close'] > df['close'].shift(5)))
df = df[df['turnover_rate'].between(3, 12) & df['main_up']]
return pd.DataFrame({'code': df['ts_code'].str.split(".", expand=True)[0]})
## 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。
