问财量化选股策略逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，KDJ中的K值增长。
选股逻辑分析
该选股逻辑综合了技术面的多个指标，具有一定的综合性和可靠性。MACD和均线指标反映了股票在技术上的走势，而KDJ指标则主要反映了市场情绪，通过增长的K值来筛选较为看好的标的。
有何风险？
- KDJ指标会受到涨跌停的影响，当股票连续涨停或跌停时，无法正确衡量市场情绪，可能导致选股失误；
- 该逻辑的策略较为单一，可能会忽略一些其他因素对股票的影响。
如何优化？
- 可以与更多稳定且可靠的基础面因素相结合，弱化单一指标对选股的影响；
- 可以加入其他技术指标，如RSI等，增加策略的多因素权重。
最终的选股逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，KDJ中的K值增长。
同花顺指标公式代码参考
MACD指标：
DIF:EMA(CLOSE,12)-EMA(CLOSE,26)
DEA:EMA(DIF,9)
MACD:(DIF-DEA)*2
均线指标：
MA5:MA(CLOSE,5)
MA10:MA(CLOSE,10)
KDJ指标：
RSV:(CLOSE-LLV(LOW,9))/(HHV(HIGH,9)-LLV(LOW,9))*100
K:(2/3)*REF(K,1)+(1/3)*RSV
D:(2/3)*REF(D,1)+(1/3)*K
J:3*K-2*D
python代码参考
以下为python的选股筛选代码，仅供参考：
import akshare as ak
# 获取股票历史行情数据
df = ak.stock_zh_a_hist_sina("sh600000")
# 计算MACD指标
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
DIF = ema12 - ema26
DEA = DIF.ewm(span=9).mean()
MACD = (DIF - DEA) * 2
# 计算均线指标
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
# 计算KDJ指标
low_list = df['low'].rolling(9, min_periods=9).min()
high_list = df['high'].rolling(9, min_periods=9).max()
rsv = (df['close'] - low_list) / (high_list - low_list) * 100
k = pd.Series([50])
d = k * 2/3 + rsv * 1/3
j = d * 3 - k * 2
# 辅助筛选条件-KDJ中的K值增长
condition = k.diff() > 0
kdj_condition = condition
# 结合条件
all_conditions = DIF > 0 & ma5 > ma10 & kdj_condition
# 筛选出符合条件的股票
result = df[all_conditions]
## 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。
