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、买一量大于卖一量的股票。
选股逻辑分析
该选股策略考虑了技术面和行业面指标，并增加了买一量和卖一量的比较，选股的准确性和可靠性更高。
有何风险？
该选股方式依然没有考虑公司财务、基本面等其他因素的影响，存在一定的风险。
如何优化？
可增加选股指标，如市盈率、市净率等，完善对股票的综合分析，提高选股尤其是准确性和风险控制。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、买一量大于卖一量的股票。
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)
买一量大于卖一量：BUYVOL < SELLVOL
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND 买一量大于卖一量, 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.groupby('ts_code').apply(lambda x: x.set_index('trade_date')['close'].rolling(window=26).mean())
df2 = pro.level2_market_data(trade_date='20220126', fields='ts_code,buy_sm_vol,sell_sm_vol')
df = pd.merge(df1, df2, on='ts_code')
df = pd.merge(df, pro.daily_basic(trade_date='20220126', fields='ts_code,turnover_rate,industry'), on='ts_code')
df = df[(df['industry'].str.contains('饮料') & df['industry'].str.contains('酒'))]
df = df[df['turnover_rate'].between(3, 12)]
df = df[df['buy_sm_vol']>df['sell_sm_vol']]
code_list = pd.DataFrame({'code': df['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。
