问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、市值100亿以内、无亏损的A股中，选择kdj（k）增长值较大的股票进行投资。
选股逻辑分析
该选股逻辑通过挑选表现强劲、资金和交易量充足的个股，以及技术面指标KDJ的增长趋势，以期获取投资收益。
有何风险？
该逻辑选股过程没有考虑到基本面及宏观经济因素等因素对个股价值的影响，仅从技术面出发有局限性，存在投资风险。
如何优化？
可以通过引入基本面、行业因素等因素进行综合评定，考虑未来发展潜力和行业前景等因素，综合考虑多个因素后选择股票，以提高选股的准确性。
最终的选股逻辑
在符合换手率3%-12%、市值100亿以内、无亏损的A股中，结合基本面、行业因素以及技术面指标KDJ的增长趋势，评估股票的发展潜力和风险，选择表现较好且具备持续发展潜力的股票进行投资。
同花顺指标公式代码参考
选股公式：
(CIRCMV < 10000000000 AND BOARD = 1 AND SHELL = 0 AND TBD = 0 AND (K - 1.5 * D + 0.5 * J > 0 AND K - 1.5 * REF(D, 1) + 0.5 * REF(J, 1) < 0 AND K > REF(K, 1)) AND (CAPITALIZATION / 100000000) > 10 AND (CAPITALIZATION / 100000000) < 100) ORDER BY RANK((K - 1.5 * D + 0.5 * J) / 10)
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks(N):
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code')['ts_code']
for ts_code in stock_list:
if pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0: # 非ST股票
continue
# 筛选符合条件的股票
market_data = pro.daily_basic(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='circ_mv, circ_mv')
if market_data.empty or market_data.iloc[-1]['circ_mv'] / 100000000 > 100 or market_data.iloc[-1]['circ_mv'] / 100000000 < 10 or market_data.iloc[-1]['board'] != '主板':
continue
company_data = pro.fina_indicator(ts_code=ts_code, start_date='20180101', end_date='20211231', fields='eps')
if company_data.empty or company_data.iloc[-1]['eps'] <= 0:
continue
daily_data = pro.daily(ts_code=ts_code, start_date='20220101', end_date='20220223')
if daily_data.empty or daily_data.shape[0] < 20:
continue
kdj_data = talib.STOCHRSI(daily_data['close'], timeperiod=9, fastk_period=3,fastd_period=3,fastd_matype=0)
if kdj_data[0][-1] <= kdj_data[0][-2] or kdj_data[1][-1] <= kdj_data[1][-2] or kdj_data[0][-1] <= kdj_data[2][-1] or kdj_data[0][-2] >= kdj_data[2][-2]:
continue
good_list.append([ts_code, kdj_data[0][-1] - kdj_data[0][-2]])
# 根据KDJ增长值排序
sorted_data = pd.DataFrame(good_list, columns=['ts_code', 'score']).sort_values(by='score', ascending=False).reset_index(drop=True)
good_list = sorted_data['ts_code'].tolist()[:N]
return good_list
good_stocks = get_good_stocks(10)
print(good_stocks)
## 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。
