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,今日上涨>1主板。
选股逻辑分析
该选股策略主要考虑了股票流动性、技术指标和市场趋势三方面因素。通过筛选换手率，可以选出流动性较好的股票。通过KDJ技术指标，可以筛选出处于上涨趋势中的股票。通过筛选今日上涨的主板股票，可以降低个股风险。
有何风险？
该选股策略仅考虑了个股的流动性、技术指标和市场趋势，而没有对公司基本面进行考虑，存在基本面风险；同时，只筛选今日上涨的主板股票，容易被市场情绪所牵引，盲目跟风。
如何优化？
该选股策略可以加入更多的关键指标，如市盈率、经济增长等综合评估基本面因素，可以通过引入机器学习方法建立更加准确的模型，在股票行情和基本面数据分析上进行更加深入的探究。
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，今日上涨幅度大于1%且属于主板。
同花顺指标公式代码参考
通达信公式代码：
(TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12)
AND KDJ_CROSS(0,1)
AND (MARKET == 1 AND TODAY>=YESTERDAY*1.01 AND DELISTED == 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)>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['close'].iloc[-1]>stock_k_data['close'].iloc[-2]*1.01 \
and stock_k_data['market'].iloc[-1]==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。
