问财量化选股策略逻辑
选股策略为：在元宇宙行业中，选择KDJ刚形成金叉且股票底部呈抬高趋势的股票。在每个交易日的10点之前进行选股，选取当日的交易股票。
选股逻辑分析
本选股策略同样在元宇宙行业内进行筛选，通过KDJ指标进行判断买点。除此之外，还要求底部出现抬高趋势，即股票的波动幅度逐渐减小，从而达到趋势上升的状态。时间限制是为了保证该股票具有交易性。但该选股逻辑仍然不考虑股票流通市值等因素，也可能导致选出的股票不具有足够的价格稳定性。
有何风险？
本选股策略存在以下风险：
- 过分依赖KDJ指标可能导致选股结果的不准确性，KDJ指标在特殊行情下的鲁棒性较低；
- 底部抬高的趋势判断需要经验和技巧，缺乏系统性；
- 时间限制和缺乏流动市值等标准可能导致选股结果的不稳定性。
如何优化？
为提高本选股策略的准确性和稳定性，可以：
- 对KDJ指标进行进一步回测和验证，降低其在特殊情况下的随机波动对选股结果的影响；
- 加入更多底部抬高趋势的判断因素，例如均线、波动率等指标，进行综合筛选；
- 在时间限制和流通市值等标准上进行优化，降低选股结果的波动性，增加选股结果的稳定性。
最终的选股逻辑
在元宇宙行业中，选择KDJ刚形成金叉且股票底部呈抬高趋势的股票。在每个交易日的10点之前进行选股，选取当日的交易股票。
同花顺指标公式代码参考
# 选股条件：KDJ金叉，底部抬高
(KDJ(9,3,3)上穿KDJ(9,3,3)的DEA)
AND (
REF(MIN(L,34),5) > REF(MIN(L,34),10)
or (REF(MIN(L,34),5) > REF(MIN(L,34),10))
)
and DT_IN(dt,-1)
# 选股结果：选取当日交易的股票
选股条件：(KDJ(9,3,3)上穿KDJ(9,3,3)的DEA)
AND (
REF(MIN(L,34),5) > REF(MIN(L,34),10)
or (REF(MIN(L,34),5) > REF(MIN(L,34),10))
)
and DT_IN(dt,-1)
AND (TRADE_STATUS==1) AND (CURRENT_TIME<='10:00:00')
排序规则：默认排序
选股数量：EMPTY()
python代码参考
import pandas as pd
from typing import List
def select_stocks(data: pd.DataFrame, industry: str) -> List[str]:
df = data[data['INDUSTRY'] == industry]
# KDJ指标
df['KDJ_K'], df['KDJ_D'], df['KDJ_J'] = talib.STOCH(df['HIGH'].values, df['LOW'].values, df['CLOSE'].values, fastk_period=9, slowk_period=3, slowd_period=3)
df['KDJ_金叉'] = (df['KDJ_K'] > df['KDJ_D']) & (df['KDJ_K'].shift() < df['KDJ_D'].shift())
# 底部抬高
df['MIN_L'] = df['LOW'].rolling(34).min()
df['底部抬高'] = (df['MIN_L'].rolling(5).min() > df['MIN_L'].rolling(10).min()) | (df['MIN_L'].rolling(5).max() > df['MIN_L'].rolling(10).max())
# 选股
select_df = df[(df['KDJ_金叉']) & (df['底部抬高']) & (df['TRADE_STATUS'] == 1) & (df['TIME'] <= '10:00:00')].index.tolist()
return select_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。
