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、昨日非涨停板的股票。
选股逻辑分析
该策略考虑了行业板块、换手率和昨日涨停板等因素，可以更好地综合考虑股票的风险和收益。
有何风险？
该策略仅考虑了行业板块、换手率和昨日涨停板等因素，忽略了公司基本面和财务数据等重要因素，存在投资风险。
如何优化？
可以加入更多的量化指标如市盈率、市净率等公司基本面和财务数据，构建一个更全面的量化选股策略。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、昨日非涨停板的股票。
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)
昨日非涨停板：SELECT(C/REF(C, 1)-1<0.097)
饮料酒进出口：SELECT(SECTORCODE('K40')=1)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND C/REF(C, 1)-1<0.097)
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.top_list(trade_date='20211008', fields='ts_code')
df3 = pro.daily(ts_code='', start_date='20211008', end_date='20211008', fields='ts_code,trade_date,close')
df4 = pro.daily(ts_code='', start_date='20211007', end_date='20211007', fields='ts_code,close')
df = pd.merge(df2, df3, on='ts_code')
df = pd.merge(df, df4, on='ts_code', suffixes=('', '_1'))
df = pd.merge(df, df1[['ts_code']], on='ts_code')
df = df[(df['trade_date']==20211008) & (df['close']/df['close_1']-1 < 0.097)]
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。
