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刚形成金叉且日线MACD大于0的股票。每日10点之前进行选股，选取当日的交易股票。
选股逻辑分析
本选股策略仍然选取了元宇宙行业，采用了KDJ指标进行判断买点。加入日线MACD大于0的条件是为了筛选出趋势较为明显的股票。
有何风险？
本选股策略存在以下风险：
- 一味追求高涨，容易忽略其他重要指标和因素；
- 单纯在元宇宙行业内进行筛选，忽略其他有潜力的行业；
- 忽略其他重要的技术指标和基础面分析等。
如何优化？
为提高本选股策略的准确性和稳定性，可以：
- 考虑更多其他指标和因素，特别是市场整体情况和行业分析，而不是单纯在元宇宙行业内进行筛选；
- 加入更多的技术指标进行协同验证，而不是只依赖KDJ和MACD指标；
- 结合基础面分析，选择行业前景较好，基本面条件较优的股票。
最终的选股逻辑
在元宇宙行业中，选择KDJ刚形成金叉且日线MACD大于0的股票。每日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，日线MACD大于0
CROSS(KDJ(9,3,3)_K,KDJ(9,3,3)_D)
AND MACD()>0
AND DT_IN(WEEKS([-1]),-1)
AND NOT ISCONTST(60)
AND FILTER(3)/FILTER(5)>1
AND (FILTER(3)-FILTER(5))/(FILTER(3)+FILTER(5)-MA(C,7))>0.05
# 选股结果：选取当日交易的股票
选股条件：CROSS(MACD(), MACD_SIGNAL())>0
AND NOT DELIST()
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())
# MACD指标
df['MACD'], df['MACD_SIGNAL'], df['MACD_HIST'] = talib.MACD(df['CLOSE'].values, fastperiod=12, slowperiod=26, signalperiod=9)
# 选股
select_df = df[(df['KDJ_金叉']) & (df['MACD']>0) & (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。
