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、涨跌幅乘以超大单净量的结果大于1的股票。
选股逻辑分析
该选股策略在行业面和技术面指标上考虑，通过考虑超大单净量与涨跌幅的乘积，综合衡量股票表现。但该选股策略仍然没有考虑公司的基本面等其他因素，存在一定风险。
有何风险？
该选股方式只考虑了换手率和技术面因素，没有考虑公司基本面、市场竞争力等其他因素的影响，可能存在一定的风险。
如何优化？
可考虑增加其他指标，如公司财务指标、市场竞争力、行业前景等，综合考虑公司的综合性能、提高选股的准确性和风险控制。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、涨跌幅乘以超大单净量的结果大于1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)
超大单净量：SELECT((BUY_L-XG_BUY_L)-(SELL_L-XG_SELL_L))
涨跌幅：SELECT((CLOSE/N-REF(CLOSE,1)/REF(CLOSE,2)))
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND 涨跌幅*超大单净量>1, NOT ST)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
df1 = pro.daily(ts_code='', start_date='20200101', end_date='20220123', fields='ts_code,trade_date,close')
df1 = df1.pivot(index='trade_date', columns='ts_code').droplevel(level=0, axis=1)
df1 = df1.pct_change().iloc[1:]
df2 = pro.moneyflow_hsgt(start_date='20220123', end_date='20220123', fields='ts_code, buy_l, sell_l, xg_buy_l, xg_sell_l')
df = pd.merge(df1, df2, on='ts_code')
df['result'] = df['pct_chg'] * (df['buy_l'] - df['sell_l'] - df['xg_buy_l'] + df['xg_sell_l'])
df = df[df['result']>1]
df3 = pro.daily_basic(ts_code='', trade_date='20220126', fields='ts_code,turnover_rate,industry')
df3 = df3[(df3['industry'].str.contains('饮料') & df3['industry'].str.contains('酒'))]
df3 = df3[df3['turnover_rate'].between(3, 12)]
code_list = pd.DataFrame({'code': df3['ts_code'].str.split(".", expand=True)[0]})
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。
