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, dea上涨。
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,根据MACD技术指标的dea值上涨情况,确定股票是否在上涨趋势中。
有何风险?
该选股策略忽略了公司的基本面数据及行业因素,例如财务报表的现金流量、毛利润等因素,可能选出的股票存在一定的风险。此外,该策略选股逻辑过于简单,可能投资的股票具有一定的市场波动性和不确定性。
如何优化?
该选股策略可以加入更多的指标,如市盈率、北向资金流等财务量化和基本面、行业等进一步的判断指标。此外,可以考虑排除一些垃圾股或风险较高的股票,提高投资收益的稳定性。
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,MACD的DEA值在最近两天内上涨。
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 REF(MACD_DEA(),1)<MACD_DEA() AND MACD_DEA()>REF(MACD_DEA(),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_macd_data = api.to_df(api.get_security_quotes([(code, 0)]))
if stock_macd_data is not None and len(stock_macd_data)>1 \
and stock_macd_data['macddea'][0]>stock_macd_data['macddea'][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。


