问财量化选股策略逻辑
选股逻辑为：振幅大于1，流通市值大于100亿元，饮料酒进出口。该选股策略主要考虑了市场交易情况、公司规模和行业龙头等因素。
选股逻辑分析
该选股策略主要考虑了市场交易情况、公司规模和行业龙头等因素，振幅和流通市值筛选了市场交投活跃度和公司规模，而饮料酒进出口则特指饮料酒行业，筛选了行业龙头股票。此外，该行业通常有较稳定的需求和较好的盈利能力，在市场环境较好时表现较为优异。
有何风险？
该选股策略存在忽略了股票的基本面信息和其他品种的机会等风险因素。此外，饮料酒行业有较强的季节性，也存在政策和市场环境等不确定性因素，需要注意风险控制，避免单一品类集中风险。
如何优化？
在现有选股逻辑的基础上，可以结合其他股票的基本面信息和其他品种的机会，进一步进行筛选和综合评价。此外，也可以考虑加入其他技术指标进行辅助判断。针对饮料酒行业的季节性和不确定性，可以通过深入了解行业情况进行针对性筛选和风险控制。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，饮料酒进出口。该选股策略主要考虑了市场交易情况、公司规模和行业龙头等因素。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100)>=1; //振幅大于1
C2: CIRC_MV>10000000000; //流通市值大于100亿元
C3: INDUSTRY_NAME == '饮料制造' AND S_INFO_COMPCODE in (SELECT S_INFO_COMPCODE FROM AShareIndustryInOutward WHERE INDUSTRYCODE_4 = 'C29'); //饮料酒进出口
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
quote = pro.futu_quote(code).iloc[0] # 获取实时行情
if abs((quote['high'] / quote['low'] - 1) * 100) < 1: # 振幅小于1
continue
circ_mv = pro.daily_basic(ts_code=code, trade_date=quote['date'], fields='circ_mv').iloc[0]['circ_mv'] # 流通市值
if circ_mv < 10000000000: # 流通市值小于100亿元
continue
industry = pro.stock_company(ts_code=code, fields='industry').iloc[0]['industry']
if '饮料' not in industry: # 不是饮料酒行业
continue
if pro.cninfo_disclosure_announcement(stock=code, anno_type=['010608'], s_date='20210101', e_date=quote['date']).empty: # 没有饮料酒进口明细公告
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
## 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。
