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,机构抄底。
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。机构抄底代表机构参与股票价值认可，有利于股票后续走势。
有何风险？
该选股策略忽略了许多基本面和行业特征的因素，也会存在一定的操作风险。同时，机构抄底的定义存在较大主观性，难以量化。
如何优化？
可增加其他筛选指标，例如股票的PE、PB等基本面数据，或者增加其他技术指标，例如均线指标等来验证选股策略的可靠性。此外，机构抄底的定义可以更加明确，例如增加机构投资数据来验证。
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，机构成交占比高于其它股票的前10%。
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)
AND ORGANIZATION_DEAL_RATIO(0,1) >= NXT_RANK(ORGANIZATION_DEAL_RATIO(0,1), 10)
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')
organization_deal_ratio = api.get_security_quotes([(0, code)])['data'][0]['organization_deal_ratio'] # 当日机构成交占比
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 organization_deal_ratio >= stock_k_data['organization_deal_ratio'].quantile(0.9):
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。
