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,机构动向大于0。
选股逻辑分析
该选股策略在流动性、趋势信号和机构动向三个方面进行选股。通过筛选换手率可以选出流动性较好的股票。KDJ指标代表股票的趋势和买卖信号，通过刚形成金叉来筛选出顺势股。而机构动向大于0则代表机构资金在买入股票，为市场热点中的股票。
有何风险？
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。此外，机构动向的判断方式单一，仅仅选取机构资金的净买入股票数量大于0。
如何优化？
该选股策略可通过增加基本面因素、市场情绪和流动性指标等进行综合考虑，来提高选股效果。可以加入每股收益、净利润的增长率等基本面因素。可以加入股票相对强度指数(RSI)、商品道氏力量指数(CCI)等市场情绪指标，以提高趋势判断的准确性。可以加入股票现金与债务的比值、净利润现金含量比等流动性指标，以帮助衡量股票的风险和回报。
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，机构净买入股票数量大于0。
同花顺指标公式代码参考
通达信指标公式代码：
TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12
AND KDJ_CROSS(0,1)
AND NET_PURCHASE_LARGE>=0
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] \
and stock_k_data['large_buy'].iloc[-1] > 0:
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],
'last_price':stock_k_data['close'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['last_price'], 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。
