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, 底部抬高。
选股逻辑分析
与上一题相比，该选股策略加入了底部抬高的要求。该条件基于技术面指标，即股票价格在底部出现上升趋势，表明该股票底部具有支撑力。
有何风险？
同样地，该选股策略忽略了企业基本面因素的影响，这可能导致一些潜力股被漏掉。此外，底部抬高指标需要较长时间的观察，并且需要结合其他技术指标进行判断，因此在实际运用时需要谨慎。
如何优化？
该选股策略可以结合其他技术指标进行判断，例如MACD等。同时，可以在基本面因素中加入一些指标，如EPS、PEG等。最终的选股结果可以根据综合评分进行筛选。
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, 股价底部抬高，综合考虑基本面指标和风险指标。
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 REF(CLOSE,2)<REF(CLOSE,1)<CLOSE;
其中，REF表示向前引用指标，CLOSE表示收盘价。
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(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) >= 11 \
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[-3] < stock_k_data['close'].iloc[-2] < stock_k_data['close'].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]})
# 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。
