(supermind策略)换手率3%-12%、KDJ刚形成金叉、振幅大于1

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,振幅大于1。

选股逻辑分析

该选股策略注重股票的交易量、技术指标和波动性。其中，换手率3%-12%可以过滤掉不活跃或过度活跃的股票，KDJ刚形成金叉可以捕捉到股票走势的转折点，振幅大于1可以筛选出波动性较高的股票。

有何风险？

该选股逻辑仍然没有考虑长期的基本面、财务因素等，存在一定的市场风险。同时，技术指标受到市场交易的影响，可能存在一定限制和误差。

如何优化？

可以加入一些成长性、盈利性等基本面因素，以更全面的方式筛选出优秀的资产。同时，可以基于更多的技术指标，如RSI、MACD、DMI等指标来筛选标的资产，以获得更全面的操作建议。此外，可以通过合理的止损、止盈等方式，控制风险。

最终的选股逻辑

该选股策略选股逻辑为：换手率大于等于3%且小于等于12%，KDJ金叉且振幅大于1。

同花顺指标公式代码参考

通达信公式代码：

(TURNOVER>=0.03 AND TURNOVER<=0.12) 
AND (KDJ_CROSS(0,1) AND AMPLITUDE()>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)>60 \
            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['amplitude'].iloc[-1]>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], 
                                'circulation_mv':stock_k_data['circulation_mv'].quantile(0.7)})
df_selected = pd.DataFrame(selected_stocks)

# 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind策略)换手率3%-12%、KDJ刚形成金叉、振幅大于1_