问财量化选股策略逻辑
选股策略为：在元宇宙行业中选取KDJ金叉，并且今日均线向上发散的股票。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
本选股策略在技术面的选股条件中，综合考虑了KDJ指标和均线的参考，对股票进行筛选，将关注点放在可能具有短期涨势的股票上。同时，在每个交易日的10点之前进行选股，能够减小市场波动的影响，提高选股的准确性。
有何风险？
本选股策略存在以下风险：
- 忽略其他有可能对股票走势产生影响的技术指标，对选股结果可能造成一定的影响；
- 均线发散的判定标准可能存在一定的主观性，可能导致选股结果偏差；
- 选股结果的可信度和稳定性存在较大的不确定性。
如何优化？
为提高本选股策略的准确性和鲁棒性，可以：
- 采用多重技术指标，例如MACD、RSI等相互印证，对股票进行全面评估，提高选股的准确性；
- 考虑使用更为客观的均线发散的判定方法，例如收盘价与均线的关系等；
- 设定风险控制手段，例如设立止损点、适当分散投资等，降低选股结果偏差的风险。
最终的选股逻辑
在元宇宙行业中选取KDJ金叉，并且今日均线向上发散的股票。均线发散的判定标准为当日5日、10日、20日三条均线的斜率均大于0。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：在元宇宙行业中选取KDJ金叉，并且今日均线向上发散的股票。
INDUSTRY == '元宇宙' AND KDJ(9, 3, 3)上穿KDJ(9, 3, 3)的DEA AND REF(MA(CLOSE,5), 1) < MA(CLOSE,5) AND REF(MA(CLOSE,10), 1) < MA(CLOSE,10) AND REF(MA(CLOSE,20), 1) < MA(CLOSE,20) AND MA(CLOSE,5) / REF(MA(CLOSE,5), 1) > 1 AND MA(CLOSE,10) / REF(MA(CLOSE,10), 1) > 1 AND MA(CLOSE,20) / REF(MA(CLOSE,20), 1) > 1
# 选股结果：选取当日的交易股票
选股条件：INDUSTRY == '元宇宙' AND KDJ(9, 3, 3)上穿KDJ(9, 3, 3)的DEA AND REF(MA(CLOSE,5), 1) < MA(CLOSE,5) AND REF(MA(CLOSE,10), 1) < MA(CLOSE,10) AND REF(MA(CLOSE,20), 1) < MA(CLOSE,20) AND MA(CLOSE,5) / REF(MA(CLOSE,5), 1) > 1 AND MA(CLOSE,10) / REF(MA(CLOSE,10), 1) > 1 AND MA(CLOSE,20) / REF(MA(CLOSE,20), 1) > 1 AND TRADE_STATUS == 1 AND CURRENT_TIME <= 1000
排序规则：EMPTY()
选股数量：EMPTY()
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stocks(data: pd.DataFrame, industry: str) -> List[str]:
df = data[data['INDUSTRY'] == industry]
# KDJ
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())
# 均线向上发散
ma5_slope = ((df['MA5'] - df['MA5'].shift()) / df['MA5']).fillna(0)
ma10_slope = ((df['MA10'] - df['MA10'].shift()) / df['MA10']).fillna(0)
ma20_slope = ((df['MA20'] - df['MA20'].shift()) / df['MA20']).fillna(0)
df['均线发散'] = (ma5_slope > 0) & (ma10_slope > 0) & (ma20_slope > 0)
# 选股条件
select_df = df[(df['KDJ_金叉']) & (df['均线发散']) & (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。
