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,按今日竞价金额排序前5。
选股逻辑分析
该选股策略同样在流动性和趋势信号两个方面进行选股。换手率可以筛选出流动性好的股票。KDJ指标代表股票的趋势和买卖信号，通过刚形成金叉来选出顺势股。按今日竞价金额排序前5，可以筛选出市场有上涨意愿的股票。
有何风险？
按照今日竞价金额排序可能会受到机构资金或其他大股东的影响而选择一些股票，可能存在一定的操作风险。同时，该选股策略忽略了股票的基本面因素和宏观经济环境对股票的影响。
如何优化？
该选股策略可增加其他筛选指标，例如量能指标等以综合验证选股策略的可靠性；也可考虑加入基本面指标，例如股票PB、PE等来选择公司估值相对较低的股票。同时，在按今日竞价金额排序时，可以改为按日换手率加权的方式。
最终的选股逻辑
该选股策略选股逻辑为：总市值> 10亿, 换手率大于等于3%且小于等于12%，KDJ金叉，按日换手率加权排序前5。
同花顺指标公式代码参考
通达信指标公式代码：
MARKET_VALUE>1000000000
AND TURNOVER_RATIO >= 0.03 AND TURNOVER_RATIO <= 0.12
AND KDJ_CROSS(0,1)
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) > 0 \
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]:
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_rate': stock_k_data['turnover_rate'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['turnover_rate'], 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。
