问财量化选股策略逻辑
选股逻辑：选择换手率在 3% 和 12% 之间，当日涨跌幅乘以超大单净量大于0，同时股票所属行业为饮料酒进出口。
选股逻辑分析
在原有选股逻辑的基础上，加入了股票所属行业的因素，选择饮料酒进出口行业的个股进行投资。根据此选股策略进行选股，能够选出涨势较好的行业内股票。
有何风险？
该选股逻辑过于依赖饮料酒进出口行业内的个股，忽略了其他行业内的个股，可能没有很好地分散风险。同时，该选股策略相比其他综合并包含不同因素的选股策略，可能存在一定的局限性。
如何优化？
可以结合其他行业维度，如地区、市值、业绩等因素，继续优化选股策略，以更好地达到风险分散等目标。
最终的选股逻辑
选择换手率在 3% 和 12% 之间，当日涨跌幅乘以超大单净量大于0，并且股票所属行业为饮料酒进出口。
同花顺指标公式代码参考
C1: (MARKET == 'SH' OR MARKET == 'SZ'); // 选取A股市场的所有股票
C2: (VOLUME > 0) AND (CHG_RATE_N30 > 0) AND (
ABS(CHG) / REF(CLOSE, 1) * (NET >= 500000) > 0
); // 判断当日涨跌幅乘以超大单净量大于0
C3: INDTSTC5 == '饮料制造' OR INDTSTC5 == '酒制造' OR INDTSTC5 == '饮料销售' OR INDTSTC5 == '酒销售' // 判断股票所属行业为饮料酒进出口
SELECTED: C1 AND C2 AND C3;
// 显示选中股票的名称和代码
LIST_NAMECODE;
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、换手率、涨跌幅、超大单净量、股票所属行业等数据，以及股票名称等数据
return: 选出的股票代码列表
"""
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
if (df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 100000000) > 0) and \
(df['ind_tst_c5'].iloc[-1] in ['饮料制造', '酒制造', '饮料销售', '酒销售']):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_time（交易时间）、pct_chg（涨跌幅）、net_amount（超大单净量）、turnover_rate（换手率）、ind_tst_c5（行业分类-申万五级行业）等选股指标数据。
## 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。
