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, 价格＜12。
选股逻辑分析
该选股策略在流动性、趋势和估值三个方面进行选股。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。股价低于12元可以从估值方面挖掘优惠股票。整体选股策略注重选出具备上涨潜力的低估值股票。
有何风险？
该选股策略忽略了公司基本面、行业风险等因素对股票的影响，只从流动性、趋势和估值方面筛选，存在筛选出不具备投资价值的股票的风险。同时，也存在KDJ指标的局限性可能导致股票的假金叉等风险。
如何优化？
该选股策略可以考虑引入其他基本面因素和技术指标等因素，如市盈率、净利润增长率、MACD等，以更全面地考量企业财务状况和股票的技术面。在流动性方面可以考虑引入资金流入、成交量等指标来更好衡量股票的市场表现。同时应该加入风控机制，如止损或动态调整持仓比例等，以保证投资风险可控。
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, 价格＜12。
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 CLOSE < 12 AND KDJ_CROSS(0,1)
python代码参考
import pandas as pd
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['close'].iloc[-1] < 12 \
and stock_k_data['kdjj'].iloc[-2] < stock_k_data['kdjj'].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],
'close': stock_k_data['close'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['close'])
# 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。
