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、非ST股票并在10点之前选出前五只涨停股票。
选股逻辑分析
该策略在行业和换手率上进行了选择，排除了ST股票，结合当日涨停板的热度，选择具备较好短期投资机会的个股。
有何风险？
该策略仅关注当天短期涨势，忽略了股票的长期投资价值和基本面，容易因为市场变化导致的回调而造成重大预期误差。
如何优化？
应该加入股票的基本面指标，综合考虑短期买卖机会和长期投资价值。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、非ST股票并在10点之前选出前五只涨停股票。
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)
非ST：SELECT(NOT(NAME LIKE '*ST*'))
前五只涨停：SELECT(RANK(INDEXC, 5) <= 5 AND TIME<100000)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND NOT_ST() AND SELECT(RANK(INDEXC, 5) <= 5 AND TIME<100000))
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')) & (~df1['name'].str.contains('ST'))]
df2 = pro.index_daily(ts_code='000001.SH', trade_date='20211008', fields='ts_code,trade_date,close')
df2['index_change'] = df2['close'].pct_change()
df2 = df2[df2['index_change']>0.02]
df3 = pro.daily(ts_code='', trade_date='20211008', fields='ts_code,open,high')
df3['daily_chg'] = df3['high'] / df3['open'] - 1
df3 = df3.sort_values(by='daily_chg', ascending=False).head(5)
code_list = pd.merge(df1, df2, on='ts_code')
code_list = pd.merge(code_list, 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。
