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，昨天龙虎榜。
选股逻辑分析
该选股策略结合了基于换手率、技术指标以及市场情绪进行选股，同时加入了昨天的龙虎榜信息，以捕捉市场热点和资金流向。KDJ指标能够反映出当前股票的交易情况以及市场情绪，加之龙虎榜数据可以反映出一定的市场参与度以及资金流向，从而更准确地筛选出符合条件的股票。
有何风险？
该选股策略同样存在基于技术指标和市场情绪选股的风险，忽略了公司的基本面、估值以及风险等因素，因此需要注意风险控制。龙虎榜数据具有一定的时效性，可能存在信息滞后的情况，同时也存在一定的主观性和不确定性，因此需要进行多方面的确认。
如何优化？
该选股策略可以引入更多基本面方面的指标，如利润、销售收入、净利润增长等，来衡量公司的业绩和基本面变化。另外，可以结合各阶段的市场环境、板块情况，对股票的参与度、赚钱效应等进行监测，避免抓住热点，错失市场机会。在龙虎榜数据的选择上，可以选择较为具有代表性的数据，同时还可以结合其他资金流向的指标，以降低选择龙虎榜信息的盲目性。
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，昨天龙虎榜。
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 ZDF>-5 AND (LHBZJLR!='' AND RANK(LHBZJLR)<50)
其中，ZDF为涨跌幅，LHBZJLR为龙虎榜资金净流入金额。
python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
from stockstats import StockDataFrame
# 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) > 20 \
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['changepercent'].iloc[-2] > -5 \
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':
df_lhb = api.get_lhb_detail_info(0, code, '', '', 1)[['lhbzjlr', 'lhbzb']]
if df_lhb is not None and len(df_lhb) > 0 and df_lhb.iloc[0]['lhbzjlr'] != '' and df_lhb.iloc[0]['lhbzb'] < 50:
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],
'lhbzjlr': float(df_lhb.iloc[0]['lhbzjlr']),
'lhbzb': float(df_lhb.iloc[0]['lhbzb'])})
# 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。
