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,三连阴。
选股逻辑分析
该选股策略先考虑股票的活跃度,确定了相关的换手率范围。通过KDJ技术指标,判断当前股票是否处于上涨趋势中。最后,通过验证该股票是否连续三个交易日下跌,以过滤掉最近出现的负面消息对股票价格的影响。
有何风险?
该选股策略仅考虑了股票的成交活跃度、技术指标和近期市场走势等简单指标,忽略了公司基本面数据及行业内部因素,可能选出的股票存在一定的风险。此外,连续下跌三日并不一定代表股票价格出现了重大波动或者公司面临很大的风险,解读股票有效信号需要更加深入的分析。
如何优化?
该选股策略可以加入更多的指标,如市盈率、ROE、股票回购等基本面因素的综合评估。此外,可以通过机器学习方法建模分析多种因素对未来股票走势的影响,进一步提高模型预测能力。
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,最近三个交易日股票出现连续下跌。
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 LLV(LOW, 3) == REF(LLV(LOW, 3), 1) == REF(LLV(LOW, 3), 2)
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)>3 \
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['low'].iloc[-1]<stock_k_data['low'].iloc[-2] \
and stock_k_data['low'].iloc[-2]<stock_k_data['low'].iloc[-3]:
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。


