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刚形成金叉，并且RSI、MACD、DMI三个技术指标同时出现金叉的股票。
选股逻辑分析
本选股策略综合考虑了多个技术指标，通过多个指标的共同判断，提高了选股的准确性和鲁棒性。
有何风险？
本选股策略存在以下风险：
- 选股的条件较为严格，可能会漏掉一些符合基本面要求的股票；
- 多个技术指标共同判断，可能会出现指标之间的矛盾，导致选股结果不准确；
- 对股票潜在的风险因素，如市场环境、公司治理等因素未予以考虑。
如何优化？
为提高本选股策略的准确性和鲁棒性，可以：
- 在选股条件上适当宽松，不要过于严格，以避免漏选一些符合基本面要求的股票；
- 在多个技术指标之间寻求一种权衡，在指标判断相互矛盾的情况下，寻找到更为合适的判断方式；
- 整合其他市场和公司治理等方面信息，进行综合分析。
最终的选股逻辑
在元宇宙行业中选取KDJ刚形成金叉，并且RSI、MACD、DMI三个技术指标同时出现金叉的股票。
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刚形成金叉，并且RSI、MACD、DMI三个技术指标同时出现金叉的股票
INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND RSI(CLOSE,14)上穿50 AND MACD(12,26,9)的DIF上穿MACD(12,26,9)的DEA AND PDI(14)>MDI(14) AND PDI(14)>ADX(14)
# 选股结果
选股条件：INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND RSI(CLOSE,14)上穿50 AND MACD(12,26,9)的DIF上穿MACD(12,26,9)的DEA AND PDI(14)>MDI(14) AND PDI(14)>ADX(14)
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())
# RSI
df['RSI14'] = talib.RSI(df['CLOSE'].values, timeperiod=14)
df['RSI14_金叉'] = (df['RSI14'] > 50) & (df['RSI14'].shift() < 50)
# MACD
df['MACD_DIF'], df['MACD_DEA'], df['MACD'] = talib.MACD(df['CLOSE'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df['MACD_金叉'] = (df['MACD_DIF'] > df['MACD_DEA']) & (df['MACD_DIF'].shift() < df['MACD_DEA'].shift())
# DMI
df['PDI'], df['MDI'], df['ADX'] = talib.PLUS_DI(df['HIGH'].values, df['LOW'].values, df['CLOSE'].values, timeperiod=14), talib.MINUS_DI(df['HIGH'].values, df['LOW'].values, df['CLOSE'].values, timeperiod=14), talib.ADX(df['HIGH'].values, df['LOW'].values, df['CLOSE'].values, timeperiod=14)
df['DMI_金叉'] = (df['PDI'] > df['MDI']) & (df['PDI'].shift() < df['MDI'].shift())
select_df = df[(df['KDJ_金叉']) & (df['RSI14_金叉']) & (df['MACD_金叉']) & (df['DMI_金叉'])].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。
