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、今日上涨幅度大于1%的主板股票。
选股逻辑分析
该选股策略在行业面指标的基础上，增加了单日涨幅指标，通过考虑股票当前表现、行业特性选股。但该选股策略仍然有盲点，没有考虑其他方面的因素可能对公司股票表现的影响，存在一定风险。
有何风险？
该选股方式仅考虑了行业面和当日股票表现，没有全面考虑其他因素的影响，如宏观经济、政策、市场竞争等，可能存在一定的风险。
如何优化？
可考虑增加其他指标，如公司财务指标、市场竞争力、行业前景等，综合考虑公司的综合性能、提高选股的准确性和风险控制。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、今日上涨幅度大于1%的主板股票。
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)
今日上涨幅度大于1%：SELECT((CLOSE/N-REF(CLOSE, 1)/REF(CLOSE, 2))>0.01)
主板股票：SELECT(MARKETTYPE(N)==1)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND 今日上涨幅度大于1% AND 主板股票, NOT ST)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
df1 = pro.daily(ts_code='', start_date='20200101', end_date='20220123', fields='ts_code,trade_date,close,pre_close')
df1['daily_return'] = (df1['close'] - df1['pre_close']) / df1['pre_close']
df1 = df1.groupby('ts_code').apply(lambda x: x.set_index('trade_date')['daily_return'].rolling(window=2).apply(lambda x: x[-1] if len(x)==2 else pd.NA))
df2 = pro.daily_basic(ts_code='', trade_date='20220126', fields='ts_code,turnover_rate,industry')
df2 = df2[(df2['industry'].str.contains('饮料') & df2['industry'].str.contains('酒'))]
df2 = df2[df2['turnover_rate'].between(3, 12)]
df2 = pd.merge(df2, df1.reset_index(), on='ts_code')
df2 = df2[df2['daily_return']>0.01]
df2 = df2[df2['ts_code'].str.contains('SH')]
code_list = pd.DataFrame({'code': df2['ts_code'].str.split(".", expand=True)[0]})
return code_list
## 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。
