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、价格＜12的股票。
选股逻辑分析
该策略综合考虑了行业、市场热度和股票价格等因素，选出了饮料酒类股票中换手率适中、市场热度较高、价格较低的股票。
有何风险？
该策略的选股因素较少，仅考虑了行业、市场热度和价格等因素，未考虑公司财务数据和基本面等因素，缺乏多维度的信息，选出的股票可能存在投资风险。
如何优化？
考虑加强公司财务数据和基本面等因素的考虑，并综合利用机器学习等技术，从更多维度更全面、客观地挖掘潜力，提高选股的精确度。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、价格＜12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)
价格＜12：SELECT(CLOSE＜12)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND CLOSE＜12 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,close')
df = pd.merge(df2[['ts_code', 'vol', 'close']], df1[['ts_code']], on='ts_code')
df = df[(df['vol'] > df['vol'].quantile(0.7)) & (df['close'] < 12)] # 取市场热度前70%且价格小于12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。
