问财量化选股策略逻辑
选股策略为：在元宇宙行业中，选择KDJ刚形成金叉且至少5根均线重合的股票。每日10点之前进行选股，选取当日的交易股票。
选股逻辑分析
本选股策略依然在元宇宙行业内进行筛选，通过KDJ指标进行判断买点。而增加至少5根均线重合的条件，目的是筛选趋势比较稳定的股票机会。时间限制同样是为了确保交易的及时性。
有何风险？
本选股策略存在以下风险：
- 单纯在元宇宙行业内进行筛选，容易忽略其他有潜力的行业；
- 均线重合只是一个较为简单的趋势判断方式，不一定代表之后趋势稳定；
- 忽略其他重要的技术指标和基础面分析等。
如何优化？
为提高本选股策略的准确性和稳定性，可以：
- 考虑更多其他指标和因素，特别是市场整体情况和行业分析，而不是单纯在元宇宙行业内进行筛选；
- 优化均线的计算方式，可以考虑加权移动平均或指数移动平均等更为高级的方法；
- 加入其他重要指标（如MACD等）进行协同验证。
最终的选股逻辑
在元宇宙行业中，选择KDJ刚形成金叉且至少5根均线重合的股票。每日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，至少5根均线重合
CROSS(KDJ(9,3,3)_K,KDJ(9,3,3)_D)
AND (MA(C,5)==MA(C,10)) AND (MA(C,10)==MA(C,20))
AND (MA(C,20)==MA(C,30)) AND (MA(C,30)==MA(C,60))
AND DT_IN(WEEKS([-1]), -1)
AND NOT ISCONTST(60)
AND FILTER(3)/FILTER(5) > 1
AND (FILTER(3)-FILTER(5))/(FILTER(3)+FILTER(5)-MA(C,7)) > 0.05
# 选股结果：选取当日交易的股票
选股条件：KDJ(9,3,3)_该股票本周收盘K值 > KDJ(9,3,3)_上周收盘K值
AND (MA(C,5)==MA(C,10)) AND (MA(C,10)==MA(C,20))
AND (MA(C,20)==MA(C,30)) AND (MA(C,30)==MA(C,60))
AND DT_IN(WEEKS([-1]),-1)
AND NOT ISCONTST(60)
AND FILTER(3)/FILTER(5) > 1
AND (FILTER(3)-FILTER(5))/(FILTER(3)+FILTER(5)-MA(C,7)) > 0.05
AND (TRADE_STATUS==1) AND (CURRENT_TIME<='10:00:00')
排序规则：默认排序
选股数量：EMPTY()
python代码参考
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())
# 均线重合条件
df['MA_5'] = talib.MA(df['CLOSE'].values, timeperiod=5)
df['MA_10'] = talib.MA(df['CLOSE'].values, timeperiod=10)
df['MA_20'] = talib.MA(df['CLOSE'].values, timeperiod=20)
df['MA_30'] = talib.MA(df['CLOSE'].values, timeperiod=30)
df['MA_60'] = talib.MA(df['CLOSE'].values, timeperiod=60)
df['MA_重合数'] = 0
for i in range(60):
if df.iloc[i]['MA_5'] == df.iloc[i]['MA_10'] == df.iloc[i]['MA_20'] == df.iloc[i]['MA_30'] == df.iloc[i]['MA_60']:
df.at[df.index[i], 'MA_重合数'] = 5
elif df.iloc[i]['MA_5'] == df.iloc[i]['MA_10'] == df.iloc[i]['MA_20'] == df.iloc[i]['MA_30']:
df.at[df.index[i], 'MA_重合数'] = 4
elif df.iloc[i]['MA_5'] == df.iloc[i]['MA_10'] == df.iloc[i]['MA_20']:
df.at[df.index[i], 'MA_重合数'] = 3
elif df.iloc[i]['MA_5'] == df.iloc[i]['MA_10']:
df.at[df.index[i], 'MA_重合数'] = 2
elif df.iloc[i]['MA_5'] == df.iloc[i]['MA_20']:
df.at[df.index[i], 'MA_重合数'] = 2
elif df.iloc[i]['MA_5'] == df.iloc[i]['MA_30']:
df.at[df.index[i], 'MA_重合数'] = 2
elif df.iloc[i]['MA_10'] == df.iloc[i]['MA_20']:
df.at[df.index[i], 'MA_重合数'] = 2
elif df.iloc[i]['MA_10'] == df.iloc[i]['MA_30']:
df.at[df.index[i], 'MA_重合数'] = 2
elif df.iloc[i]['MA_20'] == df.iloc[i]['MA_30']:
df.at[df.index[i], 'MA_重合数'] = 2
else:
df.at[df.index[i], 'MA_重合数'] = 1
# 选股
select_df = df[(df['KDJ_金叉']) & (df['MA_重合数'] >= 5) & (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。
