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, 今日均线向上发散。
选股逻辑分析
该选股策略在流动性、趋势和价格走势三个方面进行选股。流动性方面选出换手率较高的股票，趋势方面通过KDJ指标的金叉确认股票处于上涨趋势。价格走势方面通过检查今日均线向上发散，从而确认股票处于价格上涨状态。
有何风险？
该选股策略同样忽略了许多基本面和行业特征等其他因素的影响，存在一定程度的公司稳定性和行业风险。同时，策略对于市场情绪和量能等因素过于依赖，存在很大的时间段偏好性风险和盲目跟风风险。另外，该选股策略的价格走势仅仅只考虑了短期内的变化，因此可能存在被市场短期波动误导的风险。
如何优化？
该选股策略可以考虑加入其他技术指标，如MACD等，来更好捕捉股票价格的涨跌。同时考虑引入基本面因素，如财务数据、行业分析等，以实现更全面的股票筛选。在追求短期收益的同时，也应引入风控机制以保证风险可控。
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, 今日均线向上发散。
同花顺指标公式代码参考
通达信指标公式代码：
TURNOVER_RATIO >= 0.03 AND TURNOVER_RATIO <= 0.12
AND KDJ_CROSS(0,1)
AND MA(CLOSE,1)>MA(CLOSE,5)
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) > 1 \
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['turnover_vol'].iloc[-2] == 0 \
and stock_k_data['turnover_vol'].iloc[-1] > 0 \
and stock_k_data['ma5'].iloc[-1] < stock_k_data['close'].iloc[-1] \
and stock_k_data['ma1'].iloc[-1] > stock_k_data['ma5'].iloc[-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],
'turnover_ratio': stock_k_data['turnover_ratio'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['turnover_ratio'], 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。
