问财量化选股策略逻辑
本选股策略选择振幅大于1、非ST（上午10点之前选股票）、五部涨停战法、KDJ（K）增长值的股票进行选购。
选股逻辑分析
本选股策略在技术面加入了振幅、ST、涨停战法、KDJ指标，在基本面上加入了流通市值的约束条件。认为这些因素能够有效的筛选出市场中活跃的、市值适中、趋势向好的个股。
有何风险？
选股策略过度依赖个股的市场活跃性和走势形态，忽视了公司的财务及经营情况，存在一定程度的风险。同时，KDJ指标并不能完全预测个股的涨跌，存在误判或滞后的情况。
如何优化？
可以针对KDJ指标的不足，加入其他技术因素进行分析，例如MACD指标、RSI指标等。同时，可以加入更多的基本面因素进行分析，例如行业分析、财务指标、管理层、市场竞争优势等。同时，对于流通市值和其他筛选条件的约束条件，也可以根据实际情况进行微调，以达到更好的选股效果。
最终的选股逻辑
本选股策略完善的逻辑为：振幅大于1、非ST、五部涨停战法、KDJ（K）增长值的股票进行选购。
同花顺指标公式代码参考
C：收盘价
H：最高价
L：最低价
HIGH7：7日最高价
LOW7：7日最低价
K：KDJ指标中的K值
// 判断是否符合条件
CONDITION1: (H - L) / L > 0.01 AND NAME NOT LIKE '%ST%' AND C = MAX5(C) AND K - REF(K, 1) > 0
python代码参考
import pandas as pd
import tushare as ts
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于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[df['AMPLITUTE'] > 1]
# 筛选条件2：非ST
df = df[df['NAME'].str.upper().str.find('ST') == -1]
# 筛选条件3：五部涨停战法
df['CLOSE_MAX'] = df['CLOSE'].rolling(5).max()
df = df[df['CLOSE'] == df['CLOSE_MAX']]
# 筛选条件4：KDJ（K）增长值
df['K'] = talib.STOCH(df['HIGH'].values, df['LOW'].values, df['CLOSE'].values, fastk_period=9, slowk_period=3, slowd_period=3)[0]
df = df[df['K'] > df['K'].shift()]
# 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。
