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、未清偿可转债简称不可为空的股票。
选股逻辑分析
该选股策略综合考虑了市场交易活跃度、行业龙头和是否存在未清偿可转债等因素，选股准确性高，适用于短期投资者，也可以用于低风险投资或抵御市场风险的相对避险策略。
有何风险？
未清偿可转债是固定收益工具，仅代表了公司未来的债务偿还责任，并不能代表该公司未来业绩的质量和竞争优势，因此需要综合考虑公司的财务情况、前景以及行业趋势等因素，来判断该选股策略的风险和收益。
如何优化？
可以加入其他的因素，如财务指标、行业前景、技术指标等，并通过筛选质量较高的股票，如高成长性、高ROE、稳健的现金流等来进一步提高选股准确性。同时需要对选股策略进行持续性的测试和优化。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、未清偿可转债简称不可为空的股票。
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(SECTOR('K40')=1)
未清偿可转债简称不可为空：SELECT(BONDNAMEN<>'', CONVERTIBLEBOND>0)
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 未清偿可转债简称不可为空)
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='SZSE', list_status='L', fields='ts_code,industry,name')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df2 = pro.cb_basic(is_matured='N', fields='ts_code,bond_short_name,convert_price')
df = pd.merge(df1[['ts_code']], df2[['ts_code', 'bond_short_name', 'convert_price']], on='ts_code')
df = df[df['bond_short_name'].notnull() & (df['convert_price'] > 0)]
df3 = pro.daily(ts_code='', start_date='20210101', end_date='20211013', fields='ts_code,trade_date,turnover_rate')
df3 = df3[(df3['turnover_rate'] > 3) & (df3['turnover_rate'] < 12)] # 换手率在3%-12%
df = pd.merge(df, df3[['ts_code']], on='ts_code')
df = df.sort_values('convert_price', 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。
