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、PE>0的股票。
选股逻辑分析
该策略综合考虑了行业、换手率及公司估值因素，选出了换手率适中的饮料酒类股票，且PE值为正数，具有业绩支撑。
有何风险？
该策略仅考虑了行业和公司估值因素，未考虑公司基本面和财务数据等重要因素，存在投资风险。同时，PE值可能会受到非经常性损益等因素的影响，难以完全代表公司的盈利能力。
如何优化？
可以结合公司基本面、财务数据等因素，更全面地挖掘股票的潜力。同时，可以考虑增加其他估值指标，如市盈率、市净率等，综合判断公司估值的合理性。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、PE>0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)
PE>0: SELECT(PE>0)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND PE>0)
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.daily(ts_code='', trade_date='20211013', fields='ts_code,trade_date,high,low,trade_status')
df = pd.merge(df2[['ts_code', 'trade_date']], df1[['ts_code']], on='ts_code')
df3 = pro.daily_basic(ts_code='', trade_date='20211013', fields='ts_code,turnover_rate,pe')
df = pd.merge(df, df3, on=['ts_code'])
df = df[(df['turnover_rate']>=3) & (df['turnover_rate']<=12)]
df = df[df['pe'] > 0]
df = df.groupby('ts_code').tail(1)
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。
