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，macd零轴以上。
选股逻辑分析
该选股策略注重股票的交易量、技术指标。其中，换手率3%-12%可以过滤掉不活跃或过度活跃的股票，KDJ刚形成金叉可以捕捉到股票走势的转折点，macd零轴以上则表示股票正在往上升的方向运动。
有何风险？
该选股逻辑选股依据相对单一，同时可能会忽略一些基本面因素和整体行业趋势的影响，引发选股的偏差。
如何优化？
可以加入一些基本面数据，如市盈率、市净率等指标，以更全面的方式筛选出优秀的标的资产。同时，可以基于更多的技术指标，如KDJ、MACD、DMI等指标来筛选标的资产，以获得更全面的操作建议。
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柱线以上。
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 MACD(12,26,9)>0)
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)>60 \
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['macd'].iloc[-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],
'circulation_mv':stock_k_data['circulation_mv'].quantile(0.7)})
df_selected = pd.DataFrame(selected_stocks)
# 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。
