问财量化选股策略逻辑
选股逻辑：元宇宙行业、量比大于1.5、量比小于6、KDJ指标形成金叉的股票。
选股逻辑分析
该选股策略主要通过元宇宙板块选出具有明显上涨趋势的股票，并通过量比和KDJ指标形成金叉的限制来筛选出近期交易活跃且走势偏稳定的股票。
有何风险？
该选股策略同样忽视了公司的基本面情况、资金面情况等，只是单纯的通过市场情绪和走势来进行选股，存在一定投资风险。KDJ指标也可能出现拐点不准确，导致选股效果不佳。
如何优化？
可以综合考虑股票的基本面、技术面、资金面等各方面因素，建立综合考量模型，从而更准确的筛选符合预期收益的股票，并实行有效的风险控制。
最终的选股逻辑
选股逻辑：元宇宙行业、量比大于1.5、量比小于6、KDJ指标形成金叉，未来一年预测的利润增长率在前50%、市盈率低于行业平均水平的股票。
同花顺指标公式代码参考
通达信代码：
SELECT CODE FROM XX WHERE HY = 'C010103' AND VOLUME_RATIO > 1.5 AND VOLUME_RATIO < 6 AND KDJ(C, H, L, 9, 3, 3) = 1;
python代码参考
import tushare as ts
import numpy as np
def get_stock_data():
gg_stocks = ts.get_zz500s()
gg_stocks = gg_stocks[gg_stocks['industry'] == '元宇宙']
df = ts.get_today_all()
df = df[df['code'].isin(gg_stocks['code'])]
df = df[df['volume'] > df['volume'].mean() * 1.5]
df = df[df['volume'] < df['volume'].mean() * 6]
df['kdj'] = (df['low'] - df['low'].rolling(9, min_periods=1).min()) / \
(df['high'].rolling(9, min_periods=1).max() - df['low'].rolling(9, min_periods=1).min()) * 100
df['kdj_signal'] = df['kdj'].rolling(3, min_periods=1).mean()
df['kdj_cross'] = np.where((df['kdj'] > df['kdj_signal']) & \
(df['kdj'].shift(1) < df['kdj_signal'].shift(1)), 1, 0)
df = df[df['kdj_cross'] == 1]
df = df.set_index('code')
res = pd.merge(df, gg_stocks[['name', 'industry', 'pe', 'profit']], left_index=True, right_index=True, how='inner')
res = res[(res['pe'] < gg_stocks[gg_stocks['industry']=='元宇宙']['pe'].mean())]
return res[['name', 'industry', 'open', 'close', 'volume', 'pe', 'profit']]
print(get_stock_data())
## 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。
