问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、饮料酒进出口的股票，并按个股热度从大到小排序名。
选股逻辑分析
该策略综合考虑了行业和市场热度因素，选出了饮料酒类股票中换手率适中的、市场热度较高的股票。
有何风险？
该策略仍然存在较大的市场风险，选股的依据仅是行业和换手率，并未考虑公司财务数据和基本面等因素，投资需谨慎。
如何优化？
考虑增加其他股票选取因素，如公司财务数据和基本面，以更多维度的信息更全面、客观地挖掘潜力的同时，可以通过加强大盘和板块的择时判断来降低市场风险。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口的股票，按个股热度从大到小排序。
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)
按个股热度从大到小排序名：C_FIELD_SORT('DATA', 'VOL', 2, 0)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND C_FIELD_SORT('DATA', 'VOL', 2, 0)>0)
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,name')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df2 = pro.daily(ts_code='', trade_date='20211013', fields='ts_code,trade_date,vol,status')
df = pd.merge(df2[['ts_code', 'vol']], df1[['ts_code']], on='ts_code')
df = df[(df['vol'] > df['vol'].quantile(0.7))] # 取市场热度前70%的股票
df3 = pro.daily_basic(ts_code='', trade_date='20211013', fields='ts_code,turnover_rate')
df = pd.merge(df, df3, on=['ts_code'])
df = df[(df['turnover_rate']>=3) & (df['turnover_rate']<=12)]
df = df.groupby('ts_code').tail(1).sort_values('vol', ascending=False)
return df['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。
