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,前天MACD值小于0。
选股逻辑分析
该选股策略结合了流动性、技术面买入信号和MACD指标的情况，通过选取换手率在一定范围内的、KDJ指标金叉的股票，同时要求前天的MACD值小于0，以此来寻找具有一定技术面和反弹潜力的股票，期望获得较高的收益。
有何风险？
该选股策略仍是一个纯技术面的选股策略，忽略了公司的基本面和未来市场的变化等因素，可能会导致在未来的市场环境下出现大幅度反弹或者长期的下跌，使得投资者无法获得长期的收益。
如何优化？
需要加入更多的因素来综合分析股票的价值，比如公司的财务报告、行业发展趋势、政策缘由等因素，使得选股策略更为全面、科学，增加选股成功率。
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,前天MACD值小于0，并综合考虑公司的财务报告、行业发展趋势、政策缘由等因素。
同花顺指标公式代码参考
通达信指标代码：
TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12 AND KDJ_CROSS(0,1) AND MACD(1,26,9)>=0 AND REF(MACD(1,26,9),2)<0
其中，REF表示向前移动两天，MACD表示计算MACD指标。
python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
import datetime
# 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(0, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取A股数据
selected_stocks = []
for code in df_stocks['code']:
if code.startswith(('00', '60', '30')):
stock_k_data = api.get_k_data(code, 'D')
if stock_k_data is not None and len(stock_k_data) >= 2 * 240 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['kdj_j'].iloc[-2] < stock_k_data['kdj_j'].iloc[-1] and \
stock_k_data['macd'].iloc[-2] < 0 and \
stock_k_data['macd'].iloc[-1] >= 0 and \
api.get_transaction_data(code, datetime.datetime.now().date() - datetime.timedelta(days=2))['zt_count'] == 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],
'turnover_ratio': stock_k_data['turnover_ratio'].iloc[-1]})
# 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。
