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、收益大于0的股票。
选股逻辑分析
该选股策略采用了市场交易活跃度、行业龙头因素，并且筛选出近期业绩有所回升的股票，有利于中长期持有收益。
有何风险？
该选股策略未考虑到较高市场交易活跃度的股票机会，同时较强的行业趋势也并非所有个股都能受益，引入收益指标可能掩盖了其他重要因素，存在选择失误的风险。
如何优化？
可结合其他技术、行情指标，如RSI、DMI、MACD、KDJ等进行辅助筛选，深入挖掘行业和股票的明细数据，例如产品、销售区域、同时加入PE、PB等估值指标进行协同分析筛选，提高选股策略的准确度。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、近期收益大于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(SECTOR('K40')=1)
收益大于0：SELECT((HIGH-REF(CLOSE,1))/REF(CLOSE,1)>0)
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 收益大于0)
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='SZSE', list_status='L', fields='ts_code,industry,name')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df2 = pro.daily(trade_date='20221014')
df2 = df2[df2['trade_date'] != '20221014'] # 获取昨天数据
df3 = pro.daily(trade_date='20221015')
df3 = df3[df3['trade_date'] != '20221015'] # 获取今天数据
df2 = pd.merge(df2, df3[['ts_code', 'close']], on='ts_code', suffixes=('_yesterday', '_today'))
df2['rate'] = (df2['close_today'] - df2['close_yesterday']) / df2['close_yesterday']
df2 = df2[df2['rate'] > 0] # 收益率大于0
df1 = pd.merge(df1[['ts_code', 'industry']], df2[['ts_code', 'rate']], on='ts_code')
df4 = pro.daily_basic(trade_date='20221014', fields='ts_code,turnover_rate_f') # 获取昨日换手率数据
df1 = pd.merge(df1, df4[['ts_code', 'turnover_rate_f']], on='ts_code')
df1 = df1[(df1['turnover_rate_f'] >= 3) & (df1['turnover_rate_f'] <= 12)]
df = df1.sort_values('rate', ascending=False) # 按收益率降序排列
return df['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。
