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、前日实际换手率在3%~28%的股票。
选股逻辑分析
该选股策略在行业选择上比较明确，结合前日实际换手率，可以很好地把握机构资金进出和市场流动性，选出优质机构支持和流动性好的股票。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，防范资金流动性过低和过高的风险。
有何风险？
该选股策略可能忽略了公司的基本面因素，导致选出的股票风险较大，风格会更倾向于短线和波动较大的股票，不够适合价值投资和稳健财务的投资者。
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；这样对风险较为敏感的投资者也能够照顾到，更容易跟踪和掌握市场的整体投资方向。
最终的选股逻辑
选择换手率在3%~12%、饮料酒进出口、前日实际换手率在3%~28%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)
前日实际换手率在3%~28%：SELECT((VOL/N)>3 AND (VOL/N)<28)
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'))]
date_today = pd.Timestamp.today().strftime('%Y%m%d')
date_yesterday = (pd.Timestamp.today() - pd.Timedelta(days=1)).strftime('%Y%m%d')
df2 = pro.daily_basic(ts_code='', trade_date=date_yesterday, fields='ts_code,turnover_rate')
df2 = df2[df2['turnover_rate'].between(3, 28)]
df3 = pro.daily_basic(ts_code='', trade_date=date_today, fields='ts_code,vol')
df3 = df3[df3['vol'].notnull()]
df3['N'] = pro.query('daily', ts_code='', trade_date=date_today, fields='ts_code,vol')['vol']
df3 = df3[df3['vol'] / df3['N'] > 3]
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。
