问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散，且KDJ指标刚形成金叉的股票作为投资标的。
选股逻辑分析
本选股策略基于振幅、均线、KDJ指标等技术指标，筛选出涨幅大且趋势良好、且有较好买入时机的股票。选股逻辑的设计相对综合，不专注于某个细节，选出的股票更具有代表性。
有何风险？
本选股逻辑基于技术分析，忽略了基本面和市场热点等因素的影响，存在一定程度的风险。KDJ指标的金叉可能会出现虚假信号，因此需要加强判断和过滤。另外，这个选股逻辑比较综合，涵盖的范围较广，筛选出来的股票也相对较多，不利于具体操作。
如何优化？
可以加入其他技术指标，如MACD、RSI等，以及基本面因素和市场热点，综合考虑选股条件，提高筛选精度和稳定性。在筛选过程中加入KDJ指标的过滤条件，如先判断KDJ指标的趋势是否明显，再考虑金叉信号的有效性等。另外，针对一些具体操作上的问题，也可以进行优化。
最终的选股逻辑
本选股策略选取振幅大于1、均线向上发散、KDJ指标刚形成金叉的股票作为投资标的。
同花顺指标公式代码参考
通达信指标公式代码：
//计算振幅
ACC = 100 * (HIGH - LOW) / REF(CLOSE,1);
//计算均线的斜率
MA_SLOPE = MA(CLOSE, 1) / MA(CLOSE, 5) - 1;
//计算KDJ指标
RSV = (CLOSE - LLV(LOW, 9)) / (HHV(HIGH, 9) - LLV(LOW, 9)) * 100;
K = SMA(RSV, 3, 1);
D = SMA(K, 3, 1);
J = 3 * K - 2 * D;
//判断是否形成金叉
CROSS(K, D) AND REF(K, 1) < REF(D, 1);
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sz'):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "kdj_golden"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'market'] != market:
continue
data = ts.get_hist_data(stock)
if data is None:
continue
if len(data) < 2:
continue
if data["amplitude"][-1] < 1:
continue
# 今日均线向上发散
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
# KDJ指标金叉
rsv = (data["close"] - data["low"].rolling(window=9).min()) / (data["high"].rolling(window=9).max() - data["low"].rolling(window=9).min()) * 100
k = rsv.ewm(com=2).mean()
d = k.ewm(com=2).mean()
if not (k[-1] > d[-1] and k[-2] <= d[-2] and k[-1] > k[-2]):
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"kdj_golden": True
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz'))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
