问财量化选股策略逻辑
选股策略为：在元宇宙行业中，同时满足KDJ刚形成金叉和流通市值大于100亿元的股票进行选股。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
本选股策略主要基于元宇宙行业的热度，结合技术指标和流通市值进行选股。KDJ刚形成金叉是技术中比较重要的买点信号，意味着股票有上升潜力。加入流通市值的条件，可以筛选出市值较大、具备更好的投资机会的股票。
有何风险？
本选股策略存在以下风险：
- 忽略了其他重要的技术指标，例如BOLL和MACD，可能影响选股结果；
- 过度依赖单一形态的选股策略，会存在较大的风险；
- 精度不高，可能选出一些与股价设定不太符合的股票；
- 流通市值数据较为波动，可能导致选股策略的波动性较大。
如何优化？
为提高本选股策略的准确性和稳定性，可以：
- 加入其他具有代表性的技术指标，例如BOLL和MACD，进行多个指标综合筛选；
- 结合其他指标进行时点修正，降低数据波动性带来的影响；
- 考虑更全面的市场需求，如选择市值和估值均具备收益潜力的板块和股票；
- 对流通市值的选股条件进行细化，例如考虑市值增速和市值占比等指标。
最终的选股逻辑
在元宇宙行业中，同时满足KDJ刚形成金叉和流通市值大于100亿元的股票进行选股。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，流通市值大于100亿元
(KDJ(9, 3, 3)上穿KDJ(9, 3, 3)的DEA) AND (流通市值>10000000000)
# 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 (流通市值>10000000000) AND (TRADE_STATUS == 1) AND (CURRENT_TIME <= 1000)
排序规则：默认排序
选股数量：EMPTY()
python代码参考
import talib
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())
# 流通市值
df['流通市值'] = df['收盘价'] * df['流通股本']
# 选股
select_df = df[(df['KDJ_金叉']) & (df['流通市值'] > 1e10) & (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。
