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, 2021年营收/2018年营收大于1.1。
选股逻辑分析
该选股策略首先考虑换手率的范围，确定了股票的活跃度。其次，考虑KDJ技术指标，判断当前股票是否处于上涨趋势中。最后，考虑营收增长情况，选取2021年营收/2018年营收大于1.1的股票。
有何风险？
该选股策略忽略了公司的盈利、债务等基本面数据及行业因素，可能选出的股票存在一定的风险。此外，该选股策略的营收增长主要考虑了短期情况，可能忽略了公司的长期发展情况。
如何优化？
该选股策略可以加入更多的财务因素，如市盈率，市净率等，结合技术面和营收增长情况分析。同时，可以考虑加入行业因素，选取表现较好的行业中的股票进行选股。在营收增长的计算中，可以结合多年的营收数据，综合考虑公司的长期营收增长情况。
最终的选股逻辑
该选股策略选股逻辑为：换手率大于等于3%且小于等于12%，KDJ金叉，2021年营收/2018年营收大于1.1。
同花顺指标公式代码参考
通达信公式代码：
(TURNOVER>=0.03 AND TURNOVER<=0.12) AND KDJ_CROSS(0,1) AND (CHG*4+1)>>4>1.1
python代码参考
import pandas as pd
from datetime import datetime, timedelta
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(1, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取A股财报数据
selected_stocks = []
for code in df_stocks['code']:
stock_k_data = api.get_k_data(code, 'D')
if stock_k_data is not None and len(stock_k_data)>2 \
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]:
stock_report = api.get_finance_info(2, code)
if stock_report is not None and len(stock_report)>4 \
and stock_report['q_gr'][4]/stock_report['q_gr'][1]>=1.1:
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],
'last_price':stock_k_data['close'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['last_price'], ascending=False).head(n)
# 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。
