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、收盘价大于昨日的最低价的股票。
选股逻辑分析
该选股策略在行业面、换手率和技术面指标上进行考虑，考虑了收盘价相对于昨日最低价的走势情况，可以更有效地识别符合条件的股票。但该选股策略依旧没有考虑公司的基本面等其他因素，存在一定风险。
有何风险？
该选股方式更加侧重技术面指标，没有充分考虑公司的基本面、市场竞争力等其他因素，可能存在一定的风险。此外，由于选股条件较为简单，可能会存在较为相似的选股结果，甚至会存在一些红筹股、蓝筹股等优质公司被错过的情况。
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。此外，也可以增加一些其他技术分析指标来减少选股结果的重复性和类似性。
最终的选股逻辑
选择换手率在3%-12%、盈利能力较好、饮料酒进出口、收盘价大于昨日的最低价的股票。
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)
收盘价大于昨日最低价：SELECT(CLOSE>REF(LOW,1))
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND 收盘价大于昨日最低价 AND 盈利能力较好, 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,pb,pe')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df1 = df1[df1['pb'] <= 2]
df1 = df1[df1['pe'] <= 20]
df2 = pro.daily(ts_code='', start_date='20220101', end_date='20220131', fields='ts_code,trade_date,low,close')
df2['ref_low'] = df2.groupby(['ts_code'])['low'].apply(lambda x: x.shift(1))
df2 = df2[df2['close'] > df2['ref_low']]
df3 = pro.daily_basic(ts_code='', trade_date='20220201', fields='ts_code,turnover_rate')
df3 = df3[df3['turnover_rate'].between(3, 12)]
code_list = pd.concat([df1, df2, df3], axis=1)
code_list = code_list.dropna()
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。
