问财量化选股策略逻辑
选股策略为：在元宇宙行业中，同时满足KDJ刚形成金叉和9点25分涨幅小于6%的股票进行选股。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
本选股策略在元宇宙行业内选取股票，其中加入KDJ指标判断买点，9点25分涨幅最大不超过6%是为了挑选出相对平稳的股票，减小系统风险。
有何风险？
本选股策略存在以下风险：
- 忽略了其他重要的技术指标，例如BOLL和MACD，可能影响选股结果；
- 仅考虑买点，忽略了卖点判断，可能造成损失；
- 过度依赖单一形态的选股策略，会存在较大的风险；
- 精度不高，可能选出一些与股价设定不太符合的股票。
如何优化？
为提高本选股策略的准确性和稳定性，可以：
- 加入其他具有代表性的技术指标，例如BOLL和MACD，进行多个指标综合筛选；
- 同时加入卖点判断，明确止盈止损位置；
- 考虑更全面的市场需求，如选择市值和估值均具备收益潜力的板块和股票；
- 对选股条件进行细化，例如涨幅的幅度要求和时间窗口的选择等。
最终的选股逻辑
在元宇宙行业中，同时满足KDJ刚形成金叉和9点25分涨幅小于6%的股票进行选股。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：KDJ金叉，9点25分涨幅小于6%
(KDJ(9, 3, 3)上穿KDJ(9, 3, 3)的DEA) AND (OPEN/REF(CLOSE,8)-1 <0.06)
# 选股结果：选取当日交易的股票
选股条件：(KDJ(9, 3, 3)上穿KDJ(9, 3, 3)的DEA) AND (OPEN/REF(CLOSE,8)-1 <0.06) AND (TRADE_STATUS == 1) AND (CURRENT_TIME <= 1000)
排序规则：默认排序
选股数量：EMPTY()
python代码参考
import talib
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())
# 涨幅
df['涨幅'] = (df['OPEN'] / df['CLOSE'].shift(8) - 1)
# 选股
select_df = df[(df['KDJ_金叉']) & (df['涨幅'] < 0.06) & (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。
