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,30日平均线向上
选股逻辑分析
该选股策略考虑了流动性、趋势信号和均线趋势三个方面因素来进行选股。通过筛选换手率可以选出流动性较好的股票。KDJ指标代表股票的趋势和买卖信号，通过刚形成金叉来筛选出顺势股。30日平均线可以体现出股票的趋势变化，通过向上可以筛选出处于上升趋势中的股票。
有何风险？
该选股策略未考虑到宏观经济和公司基本面因素对股票的影响。此外，虽然使用30日平均线了来判断股票的趋势变化，但是考虑周期较长，可能存在较长时间段内的滞后性。
如何优化？
该选股策略可以进一步加入其他技术指标（如MACD、RSI等）和基本面因素（如公司财务数据、股权结构）等进行综合考虑。可以考虑调整选取的时间周期以及加入更多的均线来进行趋势分析。同样也可以考虑加入对于市场情绪和流动性等指标进行分析来达到更好的选股效果。
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，30日平均线向上
同花顺指标公式代码参考
通达信指标公式代码：
TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12
AND KDJ_CROSS(0,1)
AND C>MA(C,30)
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) > 0 \
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['ma30'].iloc[-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。
