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、资金强度由大到小的股票。
选股逻辑分析
该选股策略综合考虑了市场交易状况、行业走势和资金流入等因素。选股对象是换手率适中、处于饮料酒行业且受到大量资金青睐的股票。其中，资金强度较大可能表明机构投资者对该股票有较高的认可度。
有何风险？
该选股方式忽略了公司财务、基本面等关键指标的考量，存在一定的风险。此外，资金强度并不一定能够持续，过高的资金注入有可能导致出现泡沫。
如何优化？
可以继续完善策略，增加多项指标，如技术指标和市场基本面状况等，加强对股票的综合分析，提高选股精度和风险控制。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、资金强度由大到小的股票。
同花顺指标公式代码参考
换手率在3%-12%：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_SECTORCOUNT('K43')>0
资金强度由大到小：COSTEXPAND() < REF(COSTEXPAND(), 1)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND COSTEXPAND() < REF(COSTEXPAND(), 1), NOT ST)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
df = pro.moneyflow(hs_type='HSGT', start_date='2022-01-25', end_date='2022-01-25', fields='ts_code,buy_sm_vol')
df = df.groupby(['ts_code'], as_index=False)['buy_sm_vol'].sum()
df = pd.merge(df, pro.daily_basic(trade_date='20220126', fields='ts_code,turnover_rate,industry,close'), on='ts_code')
df = df[(df['industry'].str.contains('饮料') & df['industry'].str.contains('酒'))]
df = df[df['turnover_rate'].between(3, 12)]
code_list = pd.DataFrame({'code': df['ts_code'].str.split(".", expand=True)[0]})
cost_df = ts.get_money_supply_bal()
cost_df = cost_df[['时间戳', 'stock_code', 'Pct_chg']]
cost_df = cost_df.rename(columns={'时间戳': 'date', 'stock_code': 'code', 'Pct_chg': 'moneyflow_in'})
cost_df = cost_df[cost_df['date'] == '20220126']
cost_df = cost_df.dropna()
cost_df = cost_df.sort_values(by=['moneyflow_in'], ascending=False)
code_list = pd.merge(code_list, cost_df[['code', 'moneyflow_in']].iloc[:50], on='code')
return code_list
## 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。
