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,流通市值50－100亿。
选股逻辑分析
该选股策略考虑了股票流动性、技术指标和市值因素三方面因素。通过筛选换手率可以选出流动性较好的股票。通过KDJ技术指标，可以筛选出处于上涨状态的股票。通过筛选流通市值可以选出规模较为适中的股票。
有何风险？
该选股策略没有考虑公司基本面因素，而且仅以过去的数据为基础进行选股，未来市场变化与投资者情绪等因素都可能会对策略的有效性产生影响。同时，流通市值不同公司的流通股数不同，对市值的考虑也可能会出现一定的主观性。
如何优化？
该选股策略可以加入更多关键指标如财务、产业环境、政策情况等基本面因素，通过引入机器学习方法建立更加准确的模型，对各因素进行综合分析，并可以考虑对选股策略进行不断地优化和校准，以适应市场的变化。
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，流通市值大于等于50亿且小于等于100亿。
同花顺指标公式代码参考
通达信公式代码：
TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12
AND KDJ_CROSS(0,1)
AND CIRC_MV>= 500 AND CIRC_MV<= 1000
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')
stock_info = api.get_finance_info(2, code)
if stock_k_data is not None and len(stock_k_data)>14 \
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_info['circulating_market_cap']>=5e10 \
and stock_info['circulating_market_cap']<=1e11 \
and stock_k_data['market'].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],
'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。
