问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和饮料酒进出口均增长的公司作为投资标的。
选股逻辑分析
本选股策略选取了股票的基本面和宏观经济指标，其中技术面指标包括振幅和大单净流入，基本面指标则选取饮料酒进出口。选取振幅和大单净流入是为了筛选波动较大的股票，同时也反映了市场对该股票的情绪。选取饮料酒进出口是为了选取饮料酒行业内表现较好的个股。综合这几个因素，可以筛选出有一定投资价值的股票。
有何风险？
该选股策略选股的结果可能受到宏观经济因素的影响，例如贸易战、经济增长等因素，容易被市场的短期风险所干扰。同时，该选股策略无法考虑公司的财务指标、历史业绩等因素，需要谨慎评估。
如何优化？
可以考虑加入其他宏观经济指标或个股特定业绩指标，构建多维度的选股策略。同时，需要注意对选股策略进行反复测试和修改，不断优化，以提高其适用性和准确度。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和饮料酒进出口均增长的公司作为投资标的，并可以根据具体情况进行细微调整，构建多样化的投资组合。
同花顺指标公式代码参考
振幅大于1：ABS((HIGH-LOW)/PRE_CLOSE) > 0.01
下午大单净流入：C - O > (0.005 * V - MA(V, 3)) / 10000
饮料酒进出口增长：饮料酒类产品出口/进口金额同比增长率 > 0
python代码参考
# 引入Tushare库、Numpy库、Pandas库
import tushare as ts
import numpy as np
import pandas as pd
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
# 所有股票
all_stocks = pro.stock_basic(exchange='', list_status='L', fields='ts_code')
for ts_code in all_stocks["ts_code"]:
# 获取股票数据
k_data = pro.klines(ts_code=ts_code, start_date='3 month ago', end_date='today', freq='D')
quote_data = pro.query('daily', ts_code=ts_code, start_date='3 month ago', end_date='today')
financial_data = pro.query('fina_mainbz', ts_code=ts_code, fields='ts_code, bz_name, bz_item, bz_sales, parent_netprofit')
trade_data = pro.query('customs', country='韩国', end_date='today', fields='month, hs_code, hs_name, export_dollar_value, import_dollar_value')
if (ABS((k_data["high"] - k_data["low"]) / k_data["pre_close"]) > 0.01).all() and (quote_data["close"] - quote_data["open"] > (0.005 * quote_data["vol"] - MA(quote_data["vol"],3))/10000).all() and (financial_data.loc[financial_data["bz_name"] == "饮料制造", "bz_sales"].iloc[0] > 0 and financial_data.loc[financial_data["bz_name"] == "酒精制造", "bz_sales"].iloc[0] > 0 and financial_data.loc[financial_data["bz_item"] == "利润总额(万元)", "parent_netprofit"].iloc[0] > 0) and (trade_data.loc[trade_data["hs_name"].str.contains("酒制品"), "export_dollar_value"].iloc[-1] - trade_data.loc[trade_data["hs_name"].str.contains("酒制品"), "export_dollar_value"].iloc[-3] > 0 and trade_data.loc[trade_data["hs_name"].str.contains("酒制品"), "import_dollar_value"].iloc[-1] - trade_data.loc[trade_data["hs_name"].str.contains("酒制品"), "import_dollar_value"].iloc[-3] > 0):
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
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。
