问财量化选股策略逻辑
本选股策略选择振幅大于1、连续3天以上大单净量大于0.05、KDJ刚形成金叉的股票。
选股逻辑分析
本选股策略在前面的选股条件基础上，添加了KDJ指标的判断，判断股票是否刚形成金叉，即K线上穿D线。KDJ指标是股票技术分析中的一种常用指标，能够较为准确地反映出股票的价量变化，判断一只股票的买卖情况。通过加入这一条件，可以进一步筛选出买入信号更强的股票。
有何风险？
KDJ指标只是反映了股票的价格和买卖情况，可能存在信号滞后、市场变化等风险，选股策略的准确性也可能受到影响。
如何优化？
可以配合其他技术指标，如MACD、RSI等指标一起使用，多方面综合分析股票的情况，将选股策略的准确性提高到更高的水平。
最终的选股逻辑
本选股策略的筛选逻辑为：振幅大于1、连续3天以上大单净量大于0.05、KDJ刚形成金叉的股票。
同花顺指标公式代码参考
-
KDJ指标：rsv := (CLOSE-LLV(LOW,9))/(HHV(HIGH,9)-LLV(LOW,9))100;
K := (2rsv+lastK)/3;
D := (2K+lastD)/3;
J := 3K-2*D; -
判断金叉：REF(K,1)<REF(D,1) AND K>D
python代码参考
import pandas as pd
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['A'] = df.apply(lambda row: (row['CLOSE'] + row['OPEN']) / 2, axis=1)
df['AMPLITUTE'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[(abs(df['HIGH'] - df['PREV_CLOSE']) > df['AMPLITUTE']) & (abs(df['LOW'] - df['PREV_CLOSE']) > df['AMPLITUTE'])]
# 筛选条件2：连续3天以上大单净量大于0.05
df['NET_VOLUME_3DAYS'] = df['NET_VOLUME'].rolling(3).sum()
df = df[df['NET_VOLUME_3DAYS'] > 0.05]
# 筛选条件3：KDJ刚形成金叉
df['LLV_LOW'] = df['LOW'].rolling(9).min()
df['HHV_HIGH'] = df['HIGH'].rolling(9).max()
df['RSV'] = (df['CLOSE'] - df['LLV_LOW'])/(df['HHV_HIGH'] - df['LLV_LOW']) * 100
df['K'] = df['RSV'].rolling(3).apply(lambda x: (2 * x[2] + x[1]) / 3, raw=True)
df['D'] = df['K'].rolling(3).apply(lambda x: (2 * x[2] + x[1]) / 3, raw=True)
df['J'] = 3 * df['K'] - 2 * df['D']
df = df[(df['K'] > df['D']) & (df['K'].shift(1) < df['D'].shift(1))]
# 输出选股数据
print(df)
## 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。
