问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、饮料酒进出口和企业性质符合条件的股票。
选股逻辑分析
该策略基于饮料酒行业，从行业分类、市场交易和企业性质等多维度考虑，选出换手率适中、市场热度较高及符合企业性质的股票，增强选股的精度。
有何风险？
该策略选股因素虽然考虑了多方面因素，但对于行业整体状况、股票价格及公司财务等方面的因素未完全考虑，选股精度仍较低，存在一定的投资风险。
如何优化？
可综合考虑行业整体状况、股票价格、公司财务及基本面等因素，构建更加完整、系统的选股模型，提高其选股准确性和稳定性。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口并且符合企业性质的股票。
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)
符合企业性质：SELECT(C_FIELD_LT('SEC_TYPE', 2, 3, 4))
选股：SELECT(CODE，换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND SELECT(C_FIELD_LT('SEC_TYPE', 2, 3, 4))>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='', list_status='L', fields='ts_code,industry,name')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df2 = pro.daily(ts_code='', trade_date='20211013', fields='ts_code,trade_date,vol,close')
df = pd.merge(df2[['ts_code', 'vol', 'close']], df1[['ts_code']], on='ts_code')
df = df[(df['vol'] > df['vol'].quantile(0.7))] # 取市场热度前70%的股票
df3 = pro.stock_company(exchange='', fields='ts_code,reg_capital,enttype,establish_date')
df3 = df3[(df3['enttype'].str.contains('有限责任公司')) & (df3['reg_capital']>1e7) & (df3['establish_date']<'20100101')]
df = pd.merge(df, df3[['ts_code']], on=['ts_code'])
df = df.groupby('ts_code').tail(1).sort_values('vol', ascending=False)
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。
