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、20日均线大于120日均线的股票。
选股逻辑分析
该策略基于饮料酒行业、换手率适中和股票走势等因素，综合考虑行业和企业质量等多维度，选出高质量的饮料酒行业领先企业，同时考虑股票上涨趋势，提升选股准确性和盈利稳定性。
有何风险？
该选股策略虽然考虑了饮料酒行业、换手率和股票走势等因素，但是选股条件较为严苛，忽略了其他因素，具有一定的局限性和风险。
如何优化？
可以增加其他因素的考虑，如公司产品质量和品牌影响力、排序因子等，构建更加完整、系统的选股模型，增强选股准确性和稳定性。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、20日均线大于120日均线的股票。
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)
20日均线大于120日均线：SELECT(MA(CLOSE, 20)>MA(CLOSE, 120))
选股：SELECT(CODE AND 换手率3%-12% AND 饮料酒进出口 AND 20日均线大于120日均线)
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.fina_mainbz(ts_code='', type='P', fields='ts_code,end_date')
df2['year'] = df2['end_date'].str[:4]
df2 = df2.groupby('ts_code')['year'].count().reset_index(name='count')
df = pd.merge(df1[['ts_code']], df2[['ts_code', 'count']], on='ts_code')
df = df[df['count'] > 3] # 最近四年有业绩的公司
df3 = pro.top10_holders(ts_code='', start_date='20210101', end_date='20211013', fields='ts_code,hldr_name,hold_ratio')
df3 = df3.groupby('ts_code')['hold_ratio'].sum().reset_index(name='hold_ratio')
df3 = df3[df3['hold_ratio'] < 20] # 机构持股集中度小于20%
df4 = pro.daily(ts_code='', start_date='20210101', end_date='20211013', fields='ts_code,trade_date,turnover_rate')
df4 = df4.groupby('ts_code')['turnover_rate'].mean().reset_index(name='turnover_rate')
df4 = df4[(df4['turnover_rate'] > 3) & (df4['turnover_rate'] < 12)] # 换手率在3%-12%
df = pd.merge(df, df3[['ts_code']], on='ts_code')
df = pd.merge(df, df4[['ts_code']], on='ts_code')
df5 = pro.daily(ts_code='', start_date='20211001', end_date='20211013', fields='ts_code,trade_date,close')
df5 = df5.groupby('ts_code')['close'].mean().reset_index(name='close')
df5['ma20'] = df5['close'].rolling(window=20).mean()
df5['ma120'] = df5['close'].rolling(window=120).mean()
df5 = df5[(df5['ma20'] > df5['ma120'])] # 20日均线大于120日均线
df = pd.merge(df, df5[['ts_code']], on='ts_code')
df6 = pro.daily_basic(ts_code='', trade_date='20211013', fields='ts_code,total_mv')
df = pd.merge(df, df6[['ts_code', 'total_mv']], on='ts_code')
df = df[(df['total_mv'] > 2e9)] # 企业规模大于20亿
df = df.sort_values('total_mv', 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。
