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、股票均价站在五日均线之上的股票。
选股逻辑分析
该选股策略继续挑选饮料酒行业，并结合换手率选择机构关注较高的股票。同时，通过加入均线参数，增加了对股票价格的筛选，可以找到更具震荡性质和短期波动性的优质标的。
有何风险？
该选股策略在使用均线作为选择条件时，较为依赖技术面的判断，有可能对这一过程造成过度描述和把握局限。同时，由于该选股策略继续选取饮料酒行业，可能出现板块风险过大的情况。
如何优化？
可以考虑加入更多的常用技术分析指标，例如BOLL等死叉、金叉，强度等，结合市场走势，及时反馈股票走势的趋势。此外，加入板块因素多角度筛选出合适的标的，避免单一行业风险的过度承担。
最终的选股逻辑
选择换手率在3%~12%、饮料酒进出口、股票均价站在五日均线之上的股票。
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)
股票均价站在五日均线之上：5MA>REF(5MA,1) AND CLOSE>5MA
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND SELECT_IND13>=5 AND SELECT_IND14>=3 AND SELECT_IND15>=3, NOT ST)
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')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
date_today = pd.Timestamp.today().strftime('%Y%m%d')
df2 = ts.pro_bar(ts_code='', adj='qfq', start_date=(pd.Timestamp.today()-pd.Timedelta(days=5*5)).strftime('%Y%m%d'), end_date=date_today)
ma5 = df2['close'].rolling(window=5).mean()
df2['5MA'] = ma5
df2 = df2[df2['close'] > ma5]
df3 = pro.daily_basic(ts_code='', trade_date=date_today, fields='ts_code,turnover_rate')
df3 = df3[df3['turnover_rate'].between(3, 12)]
df4 = pd.merge(df1, df3, on='ts_code')
code_list = pd.merge(df4, df2[['ts_code', '5MA']], on='ts_code')
return code_list['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。
