问财量化选股策略逻辑
选股逻辑为：振幅大于1、大单净量排行、饮料酒进出口。该选股策略主要是选取振幅较大、大单量比较集中、并且有一定行业指向性的股票，适用于对股票的中期投资者。
选股逻辑分析
该选股逻辑将行业指向性加入到了选股条件中，选择了饮料酒进出口行业的股票，饮料酒进出口行业又涵盖了多个子行业，如啤酒、白酒、葡萄酒等，其中啤酒子行业代表消费低端，白酒子行业代表消费高端，不同投资人可以根据所处市场来选择相应的子行业。整体指向性相对比较明显，但存在一些风险和局限性。
有何风险？
该选股逻辑忽略了一些基本面因素，如公司的财务状况和行业竞争环境等。此外，行业指向性选股可能会导致选出的股票数量偏少，而且可能会受到政策和环境等因素影响。
如何优化？
可以加入其他基本面和技术指标，如EPS、市净率、RSI等，以获得更全面、更准确的选股标准。此外，可以结合量价分析和事件分析等方法进行更为全面的分析。饮料酒进出口指标可以针对进出口量达标的行业，通常是啤酒、白酒、葡萄酒、饮料等。
最终的选股逻辑
选股条件为：振幅大于1、大单净量排行、饮料酒进出口行业指向性；并加入其他基本面和技术指标进行综合判断。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH - LOW) / HIGH > 0.01
# 大单净量排行
SELECT2 = GET_DRBQ(CODE, NAME, LAST, LASTVOL) >= 0.8
# 饮料酒进出口行业指向性
SELECT3 = INDUSTRY('A05', 'B001012000') > 0
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '市值'
SORT_ASCEND = False
Python代码参考
import pandas as pd
import numpy as np
import tushare as ts
def get_selected_stocks():
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.daily(ts_code='000001.SZ', start_date='20220101', end_date='20220301')
stock_list = []
# 进行选股
for idx, row in stock_data.iterrows():
# 判断条件，振幅大于1，大单净量排行，饮料酒进出口行业指向性
if not ((row['high'] - row['low']) / row['high'] > 0.01) or \
GET_DRBQ(row['ts_code'], row['name'], row['close'], row['vol']) < 0.8 or \
INDUSTRY('A05', 'B001012000', row['ts_code']) <= 0:
continue
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
selected_data['circ_market_cap'] = row['circ_mv']
# 可添加其他指标
stock_list.append(selected_data)
# 按市值从大到小排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['circ_market_cap'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、大单净量排行、饮料酒进出口行业指向性。同样需要注意各行业垂直指标的选择可能需要在不同时间期进行调整以获得更好的效果。
## 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。
