问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、K小于20，且饮料酒进出口行业的前提下，选股买入。
选股逻辑分析
该选股策略在之前的基础上加入了行业层面的分析，选股时更注重行业的相对强弱，可以更好地找到行业中的热门个股，能够更加准确地把握股票的上涨趋势。
此选股策略相较于之前的策略，更加细化了行业层面的选股条件，能够更好地挖掘符合条件的个股。
有何风险？
饮料酒进出口行业需受到宏观经济环境等因素的影响，具有较高的不确定性，且仅关注行业的筛选方式可能会导致选股范围过小，难以发现潜力个股。
如何优化？
可以加入其他层面的因素，如财务指标、市场情况等因素加以综合考虑，同时从行业中选出领军企业和成长股等类型的股票，提高选股准确性和收益率。
最终的选股逻辑
在换手率3%-12%、K小于20，饮料酒进出口行业的前提下，选取符合条件的股票作为买入信号。同时，需结合其他层面的因素进行多角度综合分析，制定更加全面且完善的选股策略。
同花顺指标公式代码参考
选股条件：SETPRICETYPE(1); VOLUME > 0 AND (K < 20) AND SWS1 <= 'vi01' AND SWS1 >= 'vi05'
选股结果：fml('SETPRICETYPE(1); VOLUME > 0 AND (K < 20) AND SWS1 <= \'vi01\' AND SWS1 >= \'vi05\'', 'CLOSE')
Python代码参考
import tushare as ts
import pandas as pd
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
basic_info = ts.get_stock_basics()
good_stocks = basic_info[(basic_info['turnoverratio'] >= 3) & (basic_info['turnoverratio'] <= 12)]
# 行业为饮料酒进出口
sw_industry = ts.get_industry_classified()
sw_industry.set_index('code', inplace=True)
good_stocks = pd.merge(good_stocks, sw_industry, on='code')
good_stocks = good_stocks[good_stocks['c_name'].str.contains('饮料酒进出口')]
for stock in good_stocks.index.tolist():
# K值小于20
df1 = ts.get_k_data(stock, ktype='D')
if df1.iloc[-1]['K'] >= 20:
good_stocks.drop([stock], inplace=True)
continue
# 收盘价
close_df = ts.get_today_all()[['code', 'trade']]
close_df.columns = ['code', 'close']
close_df['code'] = close_df['code'].apply(lambda x: x[:-3])
# 筛选出条件符合的股票
good_stocks = pd.merge(good_stocks, close_df, on='code')
good_stocks = good_stocks[good_stocks['close'] > 5]
return good_stocks
good_stocks = select_good_stocks()
print(good_stocks.head(10))
## 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。
