(supermind量化-)振幅大于1、昨日非涨停板、kdj(k)增长值_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

本选股策略选取振幅大于1、昨日非涨停板、KDJ指标中K值增长的股票。

选股逻辑分析

该选股逻辑同样侧重于技术面的分析,选择振幅大于1、昨日非涨停板的股票,认为这类股票具备较好的市场活跃性。同时,在此基础上选择KDJ指标中K值增长的股票,认为这类股票处于买入状态,符合不少投资者的买入理念。

有何风险?

该选股逻辑同样忽略了公司的基本面因素,如业绩、估值等,存在选中低质量公司的风险。同时,KDJ指标在某些情况下会受到市场情绪和波动的影响,可能出现短期的误判。

如何优化?

可以加入其它基本面因素,如净资产收益率、市盈率等,来更全面地判断股票的投资价值。同时,在选择KDJ指标增长股票时,可以挑选一些具备较好基本面的股票,以降低选中低质量公司的风险。同时结合股票的技术面和基本面,设置相应的止损点和止盈点。

最终的选股逻辑

本选股策略选取振幅大于1、昨日非涨停板、KDJ指标中K值增长的股票,作为买入信号,策略持有期可以根据个人风险和收益要求灵活调整。

同花顺指标公式代码参考

本选股策略主要依赖于股票的振幅、涨跌停板、KDJ指标中K值的增长,同花顺指标代码如下:

振幅:(HIGH-LOW)/C>0.01

涨停板:HIGH==LOW

KDJ指标中K值增长:REF(KDJ_K, 1) < KDJ_K

python代码参考

# 引入Tushare库和talib库
import tushare as ts
import talib

# 连接Tushare库
pro = ts.pro_api()

def select_stocks(n):
    selected_stocks = []
    today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
    yesterday = pro.trade_cal(exchange='', is_open='1', end_date=today, count=2)["cal_date"].values[0]
    # 筛选出振幅大于1、昨日非涨停板、KDJ中K值增长的股票
    quote = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, market, list_date')
    quote = quote[quote["market"].isin(["主板", "中小板", "创业板"])]
    kdj = pro.query('daily_basic', ts_code='', trade_date=yesterday,
                     fields='ts_code, close, high, low, '
                            'turnover_rate, turnover_rate_f, volume_ratio, '
                            'pe, pb, ps_ttm, dv_ratio, dv_ttm, total_share, '
                            'float_share, free_share, total_mv, circ_mv, '
                            'kdj_k, kdj_d, kdj_j')
    quote = quote.merge(kdj[["ts_code", "kdj_k"]], on="ts_code")
    quote = quote.merge(pro.limit_list(trade_date=yesterday, limit_type='U'), on="ts_code")
    quote = quote.append(pro.limit_list(trade_date=yesterday, limit_type='D'))
    for ts_code in quote["ts_code"]:
        stock_data = pro.daily(ts_code=ts_code, start_date=yesterday, end_date=today)
        kdj_data = kdj[kdj["ts_code"] == ts_code][["kdj_k", "kdj_d", "kdj_j"]].values
        if len(stock_data) == 1 and stock_data["high"].values[0] != stock_data["low"].values[0] \
                and kdj_data[-1, 0] > kdj_data[-2, 0]:
            selected_stocks.append(ts_code)
    selected_stocks = selected_stocks[:n]
    return selected_stocks
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论