问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上，KDJ指标中K值增长的股票作为选股标的，以筛选出有较好的短期上涨趋势的股票。
选股逻辑分析
本选股策略同样基于技术面因素进行选股，选择振幅大于1、周线MACD在零轴之上以及KDJ指标中K值增长的条件作为选股标准，可以筛选出有较好的短期上涨趋势的股票。其中，KDJ指标中K值增长表明股票处于上涨状态、具有较好的市场表现。同时，根据振幅、MACD等技术指标反映的市场情绪和市场趋势选择优质投资标的。
有何风险？
同样，该选股策略忽略了企业基本面因素，也没有考虑公司盈利状况、财务情况等，不够综合。同时，市场风险存在不可预测性，不能保证股票市场不发生大的波动，执行该选股策略存在一定的风险。
如何优化？
同样建议在选股条件中加入其他技术面和基本面相关因素，特别是资金面的指标，以综合反映标的的短期和长期的技术面和基本面状况。需要通过加强风险控制、优化交易策略、制定严密的止损策略等手段降低投资风险。此外，可以结合市场情况动态调整选股指标和选股时段，形成更加完整的选股体系。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上以及KDJ指标中K值增长的股票作为选股标的，需要结合其他相应的市场情绪、资金面等因素进行综合考虑。在基本面、技术面和市场情绪的基础上，综合考虑投资标的的价值面、成长性等因素，形成更加完整的选股体系。需要通过加强风险控制、优化交易策略等手段降低投资风险。
同花顺指标公式代码参考：
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12, 26, 9), 1) > REF(MACDSIGNAL(12, 26, 9), 1)) AND (MACD(12, 26, 9) > 0)
KDJ指标中K值增长:
KDJ(KDJ_RSV, 9, 3, 3) > REF(KDJ(KDJ_RSV, 9, 3, 3), 1)
python代码参考：
# 引入Tushare库和TA-Lib库
import tushare as ts
import talib
# 连接Tushare库
pro = ts.pro_api()
# 查询所有股票的数据
all_data = pro.stock_basic()
# 根据选股条件进行筛选
selected_stocks = []
for ts_code in all_data["ts_code"]:
# 获取股票数据
daily_data = pro.daily(ts_code=ts_code, start_date='20220101', end_date='20220630')
weekly_data = pro.weekly(ts_code=ts_code, start_date='20220101', end_date='20220630')
kdj_values = talib.KDJ(daily_data.high, daily_data.low, daily_data.close, 9, 3, 3)
if (daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01 and weekly_data.iloc[-1]['close'] > weekly_data.iloc[-1]['open'] and weekly_data.iloc[-2]['close'] < weekly_data.iloc[-2]['open'] and kdj_values[0][-1] > kdj_values[0][-2]:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
本选股策略使用Tushare库获取股票数据，并使用TA-Lib库的函数进行选股筛选条件的计算。在选股策略的后续优化中，建议加入更多因素和补充指标，在基本面、技术面和市场情绪的基础上，综合考虑投资标的的价值面、成长性等因素，形成更加完整的选股体系。需要通过加强风险控制、优化交易策略等手段降低投资风险。
## 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。
