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、市值100亿以内、无亏损的企业。
选股逻辑分析
该选股策略主要依据了换手率、行业分类、市值和企业盈利情况进行选股，其中换手率可以反映股票流动性和活跃度，行业分类可以锁定选股的目标行业，市值可以筛选符合规模标准的个股，无亏损可以反映企业的基本面和财务状况，从而筛选有稳定发展和潜力的个股。
有何风险？
该选股策略未考虑股票的技术面因素和其他基本面因素的影响，同时，市值的宽度可能对选股范围产生影响，容易出现较大波动和误判。
如何优化？
可以综合运用多种技术指标和基本面因素，如KDJ、MACD、BOLL、PE、PB、市净率、EPS等，以及一些其他的选股指标，如股息率、现金流等，制定更为全面和准确的选股策略。另外，可以适当增加市值标准的宽度，如将市值从100亿调整至200亿，从而增加选股空间和准确度。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、市值100亿以内、无亏损的企业。
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>3 AND TURN<N<12)
饮料酒进出口：SELECT(SECTOR('K40')=1)
市值100亿以内：SELECT(CAPITALIZATION<100)
无亏损企业：SELECT(NETPROFIT>0)
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 市值100亿以内 AND 无亏损企业)
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='SSE', list_status='L', fields='ts_code,industry,name,list_date,money,total_assets,total_liab')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df1 = df1[df1['money'] < 10000000000]
df2 = pro.daily_basic(trade_date='20220114', fields='ts_code,pe,pb,roe,net_profit')
df2 = df2[(df2['pe'] >= 0) & (df2['pb'] >= 0) & (df2['roe'] >= 0) & (df2['net_profit'] > 0)]
df3 = pd.merge(df1, df2, on='ts_code')
df3 = df3[df3['name'].str.contains('ST') == False]
return df3['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。
