问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、饮料酒进出口并且近一个月内有过涨停的股票。
选股逻辑分析
本策略主要考虑了股票交易情况、行业以及股票价格走势等多种因素。选取换手率3%-12%较低，有一定的稳健性，而饮料酒进出口则是以行业为主要考虑因素。而通过近一个月内有过涨停的选股方式，可以筛选出市场表现良好的股票。
有何风险？
该选股逻辑依然没有很好地考虑到公司基本面质量，同时通过近一个月内有过涨停来作为选股依据，可能会被一些类似于炒作等市场流行因素所影响，风险还是较大。
如何优化？
可以加入一些基本面指标，如市盈率、市净率、股息率等，以提高选股的准确性和筛选出具有基本面支撑的个股。同时可以加入其他技术指标，如KDJ、RSI、MACD等，以提高技术面的选股效果。另外，可以加入先进的机器学习算法，如深度学习和神经网络算法等。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口并且近一个月内有过涨停的股票。
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>3 AND TURN<N<12)
饮料酒进出口：SELECT(SECTOR('K40')=1)
近一个月内有过涨停：SELECT(CLOSE>YESTCLOSE*1.095 AND HIGH>YESTCLOSE*1.095 AND TRADEDATE<20220105 AND TRADEDATE>20211130)
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 近一个月内有过涨停)
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,list_date')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df1 = df1[(df1['ts_code'].str.startswith('300')) | (df1['ts_code'].str.startswith('688'))]
df2 = pro.daily_basic(ts_code='', trade_date='20220105', fields='ts_code,trade_date,turnover_rate,volume_ratio,pe,pb')
df2 = df2[(df2['turnover_rate'] >= 3) & (df2['turnover_rate'] <= 12)]
df2 = pd.merge(df2, df1, on='ts_code')
df3 = pro.daily(ts_code='', start_date='20211130', end_date='20220105', fields='ts_code,trade_date,close,pct_chg')
df3 = df3[(df3['pct_chg'] > 9.5)]
df3 = pd.merge(df3, df2, on='ts_code')
return df3['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。
