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，选取股票代码以60开头。
选股逻辑分析
该选股策略结合了换手率、KDJ指标等技术面，同时筛选以60开头的股票代码。选取这样的股票代码可以在一定程度上减小选股样本，提高选股效果。同时，该选股策略也关注最新的技术面指标，个股波动较大，但同样存在短期超额收益的可能。
有何风险？
该选股策略同样忽略了公司的基本面和估值等因素，选择以60开头的股票只限定了样本的范围，忽略了市场的整体环境和行业板块的影响。同时，换手率过低或过高的部分股票不在考虑之中，剔除了一部分潜力股。
如何优化？
该策略可以在技术面选股的基础上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。
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，选取股票代码以60开头。
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 LEFT(CODE,2)=='60' AND KDJ_CROSS(0,1)
其中，CODE为股票代码。
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('60'):
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] \
and api.get_xdxr_info(1, code)['category'][0] != 'ST' \
and api.get_xdxr_info(1, code)['category'][0] != '*ST' \
and api.get_xdxr_info(1, code)['category'][0] != 'S':
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。
