问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%、买一量大于卖一量并且kdj指标中k线增长值。
选股逻辑分析
该选股逻辑不仅考虑了成交活跃度和流通市值，而且加入了技术分析指标kdj，通过选择换手率在3%~12%、买一量大于卖一量并且kdj指标中k线增长值，可以筛选出同时具有热门程度和技术向好的品种。
有何风险？
该选股逻辑依然可能存在过度依赖技术指标和基本面指标，未考虑公司业绩、市场前景和行业风险等因素，因此选股结果存在一定误差和风险。
如何优化？
可以增加其他指标，如财务报表、行业资讯等信息，实现全面、多角度的选股。同时可以参考其他技术指标，例如其他均线和相对强弱指标等。
最终的选股逻辑
选择换手率在3%~12%、买一量大于卖一量，kdj指标中k线增长值的股票。
同花顺指标公式代码参考
选股：KDJ判断（判断K值连续几日增长，比如K大于前一天K的值）
REF(K,1)<K AND REF(K,2)<REF(K,1) AND K>REF(K,1)
AND C>=MA(C,5) AND V>0 AND DD1>=DD2 AND C>=(HHV(HIGH,20)-LLV(LOW,20))*0.3+LLV(LOW,20)
python代码参考
import talib
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂买一量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询kdj指标中k线增长股票，计算近5日的kdj指标
stock_codes = df1['ts_code'].tolist()
data = {}
for code in stock_codes:
df = pro.daily(ts_code=code, start_date='20220416', end_date='20220422')
try:
kdj = talib.STOCH(df.high.values, df.low.values, df.close.values, fastk_period=9, slowk_period=3, slowk_matype=0, slowd_period=3, slowd_matype=0)
k = kdj[0][-1]
if k > kdj[0][-2] and k > kdj[0][-3]:
data[code] = 1
except:
continue
df2 = pd.DataFrame({'ts_code': list(data.keys()), 'kdj_inc': list(data.values())})
df2 = df2[df2['kdj_inc'] == 1]
# 合并所有指标，返回选股结果
df = pd.merge(df1, df2, on='ts_code')
return df['ts_code']
## 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。
