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、高点为两日最高的股票。
选股逻辑分析
该选股策略综合考虑了市场交易状况、行业走势和近期股票走势等因素。选股对象是换手率适中、处于饮料酒行业且股价近期处于上升状态的股票，可以较为精准地感受市场情绪。
有何风险？
该选股方式没有考量公司财务、基本面等关键指标的影响，存在一定的风险。同时，两日最高点的判断存在时间差，有可能错过股票上升期的机会。
如何优化？
可通过增加选股指标，如技术指标和市场基本面状况等，加强对股票的综合分析，提高选股精度和风险控制。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、高点为两日最高的股票。
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)
高点为两日最高：HIGHEST(HIGH, 2) == REF(HIGHEST2, 1)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND HIGHEST(HIGH, 2) == REF(HIGHEST2, 1), NOT ST)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
df = pro.daily(trade_date='20220126', fields='ts_code,high,low,pre_close')
df['two_day_high'] = df['high'].rolling(window=2).max()
df = pd.merge(df, pro.daily_basic(trade_date='20220126', fields='ts_code,turnover_rate,industry,close'), on='ts_code')
df = df[(df['industry'].str.contains('饮料') & df['industry'].str.contains('酒'))]
df = df[df['turnover_rate'].between(3, 12)]
code_list = pd.DataFrame({'code': df['ts_code'].str.split(".", expand=True)[0]})
code_list = code_list[df['two_day_high'] == df['high']]
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。
