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、流通盘小于等于55亿股的股票。
选股逻辑分析
该选股策略通过交易活跃度、行业分类和市值因素进行筛选，有利于挖掘市场交易活跃度较高、行业龙头股、市值适中的优质股票。
有何风险？
该选股策略仅采用了流通盘小于等于55亿股进行进一步筛选，但流通盘数据可能存在异动、调整或错误的情况，因此该策略仍有选择失误的风险。
如何优化？
可结合其他技术、行情指标，如MACD、KDJ、RSI等进行辅助筛选，并加入财务因素和估值指标，如净利润增长率、市盈率、市净率等 factors 进行综合评价，提高选股策略的准确度。同时，还应在流通盘数据和数值上加以优化，例如对流通股数据进行调整和准确化，并结合具体的股票市场和行情背景，制定更符合实际的策略。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、流通盘小于等于55亿股的股票。
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(SECTOR('K40')=1)
流通盘小于等于55亿股：SELECT(CIRCULATINGSKLTOTAL<=5500000000)
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 流通盘小于等于55亿股)
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='SZSE', list_status='L', fields='ts_code,industry,name')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df2 = pro.new_share(start_date='20220101', end_date='20221014', fields='ts_code,subcode,name') # 获取新股列表
df3 = pro.daily(trade_date='20221014', fields='ts_code,turnover_rate')
df3 = df3[(df3['turnover_rate'] >= 3) & (df3['turnover_rate'] <= 12)]
df4 = pro.daily_basic(trade_date='20221014', fields='ts_code,circulating_skltotal')
df4 = df4[df4['circulating_skltotal'] <= 5500000000]
df = pd.merge(df2, df1, on='ts_code')
df = pd.merge(df, df3, on='ts_code')
df = pd.merge(df, df4, on='ts_code')
df = df[df['name'].str.contains('ST') == False] # 剔除ST股票
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。
