问财量化选股策略逻辑
该选股策略选股逻辑为：换手率3%-12%, KDJ刚形成金叉，10日涨幅大于0小于35。
选股逻辑分析
该选股策略同样结合了换手率、KDJ指标和股票涨幅等技术面指标。在选股时要求10日涨幅大于0小于35，加入了一定的涨幅筛选。同时，该选股策略关注技术面指标的同时，也排除了一部分换手率过高或过低的股票，可以较为准确地找到符合投资者要求的股票。
有何风险？
该选股策略忽略了公司的基本面和估值等因素，缺乏全面的股票选择标准，同时涨幅筛选的范围较窄，可能会错过一些潜力较大的个股。此外，该选股策略并未考虑市场整体走势和行业板块的影响，在特定的行情下可能会失效。
如何优化？
该选股策略可以加入一些基本面指标的筛选条件，例如ROE、净利润增长率等，同时尝试探讨和加入其他行业板块的判断和筛选指标，来寻找更全面更准确的个股。同时，涨幅筛选的范围可以适当放宽，从而找到更多潜力股。
最终的选股逻辑
该选股策略选股逻辑为：换手率3%-12%, KDJ刚形成金叉，10日涨幅大于0小于35。
同花顺指标公式代码参考
通达信指标代码：
TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12 AND KDJ_CROSS(0,1) AND REF(CLOSE,9)>0 AND REF(CLOSE,1)/REF(CLOSE,10)-1<0.35 AND REF(CLOSE,1)/REF(CLOSE,10)-1> 0
其中，CLOSE为收盘价，REF用于获取历史数据。
python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)
# 所有A股列表
all_stocks = api.get_security_list(0, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取A股数据
selected_stocks = []
for code in df_stocks['code']:
if code.startswith(('00', '60', '30')):
stock_k_data = api.get_k_data(code, 'D')
if stock_k_data is not None and len(stock_k_data) >= 11 \
and stock_k_data['turnover_ratio'].quantile(0.7) >= 0.03 \
and stock_k_data['turnover_ratio'].quantile(0.7) <= 0.12 \
and stock_k_data['kdjj'].iloc[-2] < stock_k_data['kdjj'].iloc[-1] \
and stock_k_data['close'].iloc[-1]/ stock_k_data['close'].iloc[-10] -1 < 0.35 \
and stock_k_data['close'].iloc[-1]/ stock_k_data['close'].iloc[-10] -1 > 0:
selected_stocks.append({'code': code, 'name': df_stocks[df_stocks['code'] == code]['name'].values[0],
'market_type': df_stocks[df_stocks['code'] == code]['market_type'].values[0],
'turnover_ratio': stock_k_data['turnover_ratio'].iloc[-1],
'kdjj': stock_k_data['kdjj'].iloc[-1],
'increase_ratio': (stock_k_data['close'].iloc[-1] - stock_k_data['close'].iloc[-2])/stock_k_data['close'].iloc[-2]})
# 断开连接
api.disconnect()
## 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。
