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，开盘价在十日线左右。
选股逻辑分析
该选股策略同样是基于技术面来进行选股，结合了换手率、KDJ指标和均线指标。其中KDJ指标反映短期股价走势及相对于股价波动幅度的强弱程度，均线指标反映出股价的中长期走势方向。选股时要求开盘价在十日线左右，主要考虑到股价短期均衡价格的波动范围，因此合理选取的均值较为准确，能够一定程度上矫正市场波动对选股的干扰。
有何风险？
该选股策略同样忽略了公司的基本面和估值等因素，同时可能出现一些难以预见到的市场情况。此外，忽略了大盘指数走势和股票所在行业的影响，选出的个股存在个别性。
如何优化？
该策略可以在技术面的基础上加入基本面因素，侧重于高成长、高ROE等方面的指标，同时可以增加行业板块择优的条件。在选择均线时，可进行灵活性的调整，如增加均线数量或根据特定行业代码设置合适的均线。
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，开盘价在十日线左右。
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 C>=MA20 AND KDJ_CROSS(0,1) AND (O>=MA10*0.9 AND O<=MA10*1.1)
其中，O为开盘价。
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']:
stock_k_data = api.get_k_data(code, 'D')
if stock_k_data is not None and len(stock_k_data) > 10 \
and stock_k_data['turnover_ratio'].quantile(0.7) >= 0.03 \
and stock_k_data['turnover_ratio'].quantile(0.7) <= 0.12 \
and df_stocks[df_stocks['code'] == code]['name'].values[0] != '' \
and stock_k_data['kdjj'].iloc[-2] < stock_k_data['kdjj'].iloc[-1] \
and stock_k_data['close'].iloc[-1] >= stock_k_data['ma20'].iloc[-1] \
and stock_k_data['open'].iloc[-1] >= stock_k_data['ma10'].iloc[-1] * 0.9 \
and stock_k_data['open'].iloc[-1] <= stock_k_data['ma10'].iloc[-1] * 1.1 \
and api.get_xdxr_info(1, code)['category'][0] != 'ST' \
and api.get_xdxr_info(1, code)['category'][0] != '*ST' \
and api.get_xdxr_info(1, code)['category'][0] != 'S':
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],
'kdjj': stock_k_data['kdjj'].iloc[-1],
'increase_ratio': (stock_k_data['close'].iloc[-1] - stock_k_data['close'].iloc[-2])/stock_k_data['close'].iloc[-2],
'open_price': stock_k_data['open'].iloc[-1],
'ma10': stock_k_data['ma10'].iloc[-1],
'ma20': stock_k_data['ma20'].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。
