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刚形成金叉且出现反包的股票。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，还特殊考虑了反包的情况。选股策略的时间限制是为了保证该股票具有交易性。此外，该选股逻辑不按照股票的流通市值来进行筛选，可能导致选出的股票流动性不够强。
有何风险？
本选股策略存在以下风险：
- 过分依赖KDJ指标和反包等技术指标可能导致选股结果的不准确性；
- 忽略了公司基本面等其他因素，例如公司估值，经营质量等导致筛选效果可能不如意；
- 时间限制和缺乏流动市值的限制可能使选出的股票流动性不够强；
如何优化？
为提高本选股策略的准确性和稳定性，可以：
- 加入分析公司的基本面数据，例如PE、PB、ROE等指标，进行综合分析；
- 检查时间限制和流通市值标准的合理性，避免由于流动性不够强的股票影响投资效果；
- 需要对选股结果进行风险控制，例如控制单只股票的持仓比例和风险等级。
最终的选股逻辑
在元宇宙行业中，选择KDJ刚形成金叉且出现反包的股票。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，反包
(KDJ(9,3,3)上穿KDJ(9,3,3)的DEA) AND (反包())
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 (反包())
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())
# 反包
df['反包'] = df['CLOSE'].rolling(5).apply(lambda s: ((s[2] > s[1]) & (s[1] < s[0]) & (s[0] > s[-1]) & (s[-1] < s[-2])))
# 选股
select_df = df[(df['KDJ_金叉']) & (df['反包']) & (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。
