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，昨日9:15匹配价跌停的股票。
选股逻辑分析
本选股策略主要考虑了技术面和昨日股票表现，通过技术面的选股条件，筛出符合要求的股票，并通过选取昨日9:15匹配价跌停的股票，筛选出昨日表现较差的股票。
有何风险？
本选股策略存在以下风险：
- 考虑的只是技术面和昨日股票表现，忽略了公司基本面的分析；
- 只考虑了一天的交易情况，选股结果具有一定的随机性；
- 考虑股票跌停的情况，容易受到异常行情的影响。
如何优化？
为提高本选股策略的准确性和鲁棒性，可以：
- 在技术面和股票表现的基础上，加入一些基本面分析，比如市盈率、市净率等指标的筛选，以更全面的分析股票；
- 延长选股时间周期，通过长期分析，排除一天内的波动性；
- 综合考虑更多的风险因素，减少异常行情的干扰。
最终的选股逻辑
在元宇宙行业中选取KDJ刚形成金叉，昨日9:15匹配价跌停的股票，综合考虑股票技术面与基本面指标，选择前五只股票。
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刚形成金叉的股票，并且昨日9:15匹配价跌停
INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND PREVCLOSE==YESTERDAY(NOWTIME(0)==915,LOWEST(120))
# 选股结果：选取前五只股票
选股条件：INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND PREVCLOSE==YESTERDAY(NOWTIME(0)==915,LOWEST(120))
排序规则：EMPTY()
选股数量：5
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())
# 昨日9:15匹配价跌停
df['YESTERDAY_PREVCLOSE'] = df['PREVCLOSE'].shift(1)
df['YESTERDAY_LOW120'] = df['LOW'].rolling(window=120).min().shift(1)
df['YESTERDAY_MATCH_DROP'] = (df['NOWTIME'] == 915) & (df['YESTERDAY_PREVCLOSE'] == df['YESTERDAY_LOW120'])
select_df = df[df['KDJ_金叉'] & df['YESTERDAY_MATCH_DROP']].sort_values(by='JINJA_PRICE', ascending=False).head(5).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。
