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，并且所选股票上市时间大于一定天数的股票。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
本选股策略在技术面的选股条件中，结合了KDJ指标，筛选出股票近期出现的趋势反转信号。在市场上选择具备一定成熟度的公司，减少了操作风险。同时，在每个交易日的10点之前进行选股，能够减小市场波动的影响，提高选股的准确性。
有何风险？
本选股策略存在以下风险：
- 通过简单的技术分析和年限筛选选出的股票具备一定的操作风险；
- 选股条件中，没有考虑其他市场宏观因素的影响，有可能忽略了股票评估的全面性；
- 选股条件中，没有考虑基本面指标的影响，可能出现公司的真实价值与选股结果不符合的情况。
如何优化？
为提高本选股策略的准确性和鲁棒性，可以：
- 在年限筛选条件上结合市场分类进行进一步筛选，根据该领域的市场发展情况，选择具备更多潜质的公司；
- 加入其他市场因素的影响，例如股票所处的行业情况、财政和货币政策调整的可能等，来提高选股策略的全面性；
- 结合其他指标进行综合分析，例如MACD、RSI等技术指标，以及市值、市净率等基本面指标，来评定股票的真实价值；
- 加强风险控制策略，考虑设置止损点、分散投资等风险控制手段，规避不可预测的市场波动。
最终的选股逻辑
在元宇宙行业中选取KDJ刚形成金叉，并且所选股票上市时间大于一定天数的股票。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：在元宇宙行业中选取KDJ刚形成金叉，股票上市时间大于N天
INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND (TRADE_DATE - LIST_DATE)/365 > N AND HSL > 0 AND LB > 0 AND ST == 0
# 选股结果：选取当日的交易股票
选股条件：INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND (TRADE_DATE - LIST_DATE)/365 > N AND HSL > 0 AND LB > 0 AND ST == 0 AND CURRENT_TIME = 1000
排序规则：EMPTY()
选股数量：EMPTY()
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, n: int) -> 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())
# 上市日期
df['LIST_DATE'] = pd.to_datetime(df['LIST_DATE'])
df['TRADE_DATE'] = pd.to_datetime(df['TRADE_DATE'])
df['Time_Diff'] = (df['TRADE_DATE'] - df['LIST_DATE']).dt.days
# 选股条件
select_df = df[(df['KDJ_金叉']) & (df['Time_Diff'] > n) & (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。
