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、连续5年ROE＞15%的企业。
选股逻辑分析
本策略采用了选取连续5年ROE＞15%这一基本面指标，结合上述的策略条件，有利于发现业绩优秀、行业稳健、成长性较好的企业。
有何风险？
该选股逻辑没有考虑到公司的盈利水平、偿债能力等其他基本面指标，因此可能会忽略一些质地更好的企业。
如何优化？
可以加入其他基本面指标或技术指标进行二次筛选，如净利润、市盈率等，以提高选股的准确性。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、连续5年ROE＞15%的企业。
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>3 AND TURN<N<12)
饮料酒进出口：SELECT(SECTOR('K40')=1)
连续5年ROE＞15%：SELECT(TTMROE>15 AND TTMROE>REF(TTMROE,1) AND TTMROE>REF(TTMROE,2) AND TTMROE>REF(TTMROE,3) AND TTMROE>REF(TTMROE,4))
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 连续5年ROE＞15%)
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.fina_indicator(ts_code='', start_date='20160101', end_date='20211231', fields='ts_code,roe')
df2 = df2.dropna()
df2 = df2.groupby('ts_code').apply(lambda x: (x['roe']>0.15).all()).reset_index()
df2.rename(columns={0:'flag'}, inplace=True)
df2 = df2[df2['flag']==True]
df3 = pd.merge(df1, df2, on='ts_code')
df3 = df3[(df3['name'].str.contains('ST') == False) & ((df3['turnover_rate'] >= 3) & (df3['turnover_rate'] <= 12))]
df3 = df3[df3['ts_code'].str.match(r'(300|688)\d{3}')]
df4 = pro.stock_basic(exchange='SSE', list_status='L', fields='ts_code,name')
df3 = pd.merge(df3, df4, 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。
