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、kdj（K）增长值的股票。
选股逻辑分析
该选股策略在行业面、换手率和技术面指标上考虑，个股的选择更全面。但该选股策略仍然没有考虑公司的基本面等其他因素，存在一定风险。
有何风险？
该选股方式仍然没有考虑公司基本面、市场竞争力等其他因素的影响，可能存在一定的风险。
如何优化？
可考虑增加其他指标，如公司财务指标、市场竞争力、行业前景等，综合考虑公司的综合性能、提高选股的准确性和风险控制。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、kdj（K）增长值的股票。
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)
kdj（K）增长值：SELECT(KDJ.K*CROSS(KDJ.K, REF(KDJ.K, 1))>0)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND kdj(K)增长值, NOT ST)
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,circ_mv')
df1 = df1[(df1['industry'].str.contains('饮料') & df1['industry'].str.contains('酒'))]
df1 = df1[df1['circ_mv'].between(50, 100)]
df2 = pro.daily_basic(ts_code='', trade_date='20220128', fields='ts_code,turnover_rate')
df2 = df2[df2['turnover_rate'].between(3, 12)]
df3 = pro.new_share(start_date='20010101', end_date='20220101', fields='ts_code')
df4 = pro.daily(ts_code='', trade_date='20220128', fields='ts_code,close')
code_list = pd.concat([df1, df2, df3, df4], axis=1)
code_list = code_list.dropna()
code_list['K'] = talib.KDJ(code_list['high'], code_list['low'], code_list['close'])[0]
code_list['K_diff'] = code_list['K'].diff()
code_list = code_list[code_list['K_diff'] > 0]
return code_list['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。
