问财量化选股策略逻辑
此选股策略选取振幅大于1，周线MA5金叉MA10，且KDJ刚形成金叉的股票进行投资，旨在寻找具有短期热度且具有一定趋势性的股票，同时结合KDJ指标对股票短期的超卖和超买情况进行判断，以期在恰当的时间买入和卖出，获取投资收益。
选股逻辑分析
此选股策略选取了振幅、均线金叉和KDJ指标进行筛选，结合了价格波动性、趋势性和超买超卖的判断。当股票价格相对较高时，KDJ指标的D线或者J线会高于80，此时判断股票处于超买状态，适合卖出股票，反之，若D线或者J线低于20，则表明股票处于超卖状态，适合买入股票。结合这几个指标进行筛选，能够筛选出具有一定热度和投资价值的个股。
有何风险？
此选股策略仍然过于依赖于技术面指标，而忽略了股票基本面和行业面的影响，造成风格偏差或对个股的投资风险。同时，KDJ指标也有其局限性，其信号会滞后于价格的变化，可能会造成一定程度上的误判断。
如何优化？
与上述选股逻辑相同，可以结合其他技术和基本面指标进行综合分析，比如加入RSI、MACD、EPS、PE等指标，以提高筛选的准确性和精度，同时加入行业和基本面的影响进行分析。针对KDJ指标，可以结合其他指标，比如成交量，来综合判断股票价格市场关注度和交易热度等情况，从而更准确地判断超买超卖的情况。
最终的选股逻辑
本选股策略选取振幅大于1，周线MA5金叉MA10，且KDJ刚形成金叉的股票进行投资，并需结合其他技术和基本面指标、行业面影响进行综合分析，以提高选股的精度和准确性。
同花顺指标公式代码参考
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- KDJ公式：
- RSV=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100
- K= SMA(RSV,M1,1)
- D= SMA(K,M2,1)
- J=3K - 2D
python代码参考
import tushare as ts
import pandas as pd
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv')['ts_code']:
df = pro.daily(ts_code=code, start_date='20200101', end_date=pd.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol,circ_mv,total_mv')
if len(df) == 0:
continue
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
df['high'] = df['high'].rolling(window=9, min_periods=0).max()
df['low'] = df['low'].rolling(window=9, min_periods=0).min()
rsv = (df['close'] - df['low']) / (df['high'] - df['low']) * 100
df['K'] = rsv.rolling(window=3, min_periods=0).mean()
df['D'] = df['K'].rolling(window=3, min_periods=0).mean()
df['J'] = 3 * df['K'] - 2 * df['D']
if df['open'].iloc[-1] > ma10.iloc[-1] and pd.DataFrame(df['K'] > df['D'], columns=['gold_cross']).iloc[-1]['gold_cross']:
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
