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，并且前一交易日未出现涨停板的股票。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。同时，要求前一交易日未出现涨停板，减少了潜在的大幅回调风险。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前一交易日的涨跌幅进行选股，忽略了其他市场宏观因素和股票公司基本面的影响，有可能导致选股结果不够全面；
- 仅考虑前一交易日涨跌幅的选股条件有较强的主观性和随机性，可能会出现选股偏差的情况；
- 选用的技术指标KDJ在不同市场环境下的表现不同，有可能造成选股结果不稳定。
如何优化？
为提高本选股策略的准确性和鲁棒性，可以：
- 综合考虑其他市场宏观因素和股票基本面数据，例如财务报表、成长性、竞争环境等，从不同层面上评估股票真实价值；
- 加强选股条件中的量化指标，例如考虑均线的多空变化、交易量的变化等因素，结合其他技术指标一同使用，提高选股策略全面性；
- 考虑KDJ指标的参数调整，结合市场特征，选择最优参数进行选股，减小选股结果受市场环境影响的风险；
- 加入其他风险控制手段，例如设置止损点、分散投资等，规避不可预测的市场波动和股票风险。
最终的选股逻辑
在元宇宙行业中选取KDJ刚形成金叉，并且前一交易日未出现涨停板的股票。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，并且前一交易日未出现涨停板的股票。
INDUSTRY == '元宇宙' AND KDJ(9,3,3)上穿KDJ(9,3,3)的DEA AND REF(MAX(CLOSE - PRECLOSE, 0), 1) < REF(HIGH - LOW, 1) * 0.8 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 REF(MAX(CLOSE - PRECLOSE, 0), 1) < REF(HIGH - LOW, 1) * 0.8 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) -> 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())
# 前一交易日涨跌幅
df['LAST_CHG'] = (df['CLOSE'] - df['PRECLOSE']) / df['PRECLOSE']
# 选股条件
select_df = df[(df['KDJ_金叉']) & (df['LAST_CHG'] >= 0) & (df['LAST_CHG'] < 0.095) & (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。
