问财量化选股策略逻辑
该选股策略选股逻辑为：选择换手率在3%-12%之间、上市时间为2021年，且主营业务为饮料酒进出口的股票。
选股逻辑分析
该选股策略一方面考虑了股票的投资价值，选取具备企业主营业务优势的股票；另一方面也考虑了选股对象的质量和投资价值。相对于只考虑换手率和上市时间的选股策略，更注重了对主营业务和公司质量的分析。
有何风险？
该选股策略可能忽略了一些其他因素对股票价格的影响，如市场整体走势、宏观经济因素、股票流通性等因素。同时主营业务情况不一定是稳定的，有可能出现变动和调整，需要注意风险管理。
如何优化？
可以考虑增加对其他因素的分析，如股票的市场表现、宏观经济走势等；同时可以从不同角度切入分析饮料酒进出口的相关指标，如行业增速、企业市场占有率等，并对选股策略进行不断研究和优化。
最终的选股逻辑
选股逻辑为：选择换手率在3%-12%之间、上市时间为2021年，主营业务为饮料酒进出口的股票。
同花顺指标公式代码参考
通达信指标代码：
INDATE(YEAR(DATE))=2021;
CONDITION:=MAINBUSINESSLIKE('饮料；酒类') AND (HIGH == LOW == OPEN == CLOSE);
SORT_LIST:=IF(CONDITION,1,0);
SORT_BY_DESC(SORT_LIST);
SELECTED:=CONDITION;
python代码参考
import pandas as pd
import time
from datetime import datetime, timedelta
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
from pytdx.crawler.history_financial_crawler import get_and_parse_finance_data
from pytdx.crawler.history_dividend_crawler import get_and_parse_dividend_data
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
dataList = []
for market in [0,1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], stock['volunit'] * 100) for stock in stock_list if stock['code'][0] in ['0', '3', '6']]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code','vol'])
stock_list = get_stock_list(api)
# 得到2021年数据
data = api.get_security_bars(9, 0, "000001", 0, 10)
startDate = int(data[-1]['datetime'])
startYear = startDate // 10000 # 开始年份
periods = 2021 - startYear # 数据期数
# 逐个股票地进行选股策略
condition_list = []
for i in range(len(stock_list)):
stock_code = stock_list.loc[i,'stock_code']
try:
stock_info = api.get_security_quotes([(0, stock_code), (1, stock_code)])
if "饮料" in stock_info[0]["gdrs"] or "酒类" in stock_info[0]["gdrs"]:
k_day_data = api.get_security_bars(9, 0, stock_code, startDate-1, 10*periods)
high = [x['high'] for x in k_day_data]
low = [x['low'] for x in k_day_data]
open = [x['open'] for x in k_day_data]
close = [x['close'] for x in k_day_data]
if high == low == open == close:
condition_list.append(stock_code)
except:
pass
# 根据成交量选取符合条件的股票
result = pd.DataFrame(condition_list, columns=['stock_code'])
result = pd.merge(result, stock_list, on=['stock_code'])
result = result[result.vol >= 20000]
result = result[result.vol <= 1000000]
#输出结果
print('下列股票符合选股策略：')
print(result)```
## 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。
