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, 现量大于1万手, 高开。
选股逻辑分析
该选股策略在流动性、趋势、成交量及价格等方面进行选股。流动性方面选出换手率较高的股票，趋势方面通过KDJ指标的金叉确定股票处于上涨趋势，成交量方面判断股票的交易活跃度，价格方面通过高开选择股票的强势。
有何风险？
该选股策略在选股逻辑中可能会忽略股票的价值投资角度，而将短期的技术分析和市场情绪等因素作为主要选股因素。这可能会导致一些炒作热度高但未来增长潜力较小的股票被选出，或者错过一些真正有价值的股票。
如何优化？
该选股策略可以引入更多基本面指标，如市盈率、市净率、股息率、净利润增长率等，来衡量股票的价值投资潜力，相对尽可能完整地进行选股分析。同时，可以根据不同市场热点或股票形态进行适应性调整。
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, 现量大于1万手, 高开。
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 KDJ_CROSS(0,1) AND VOLUME > 10000 AND TODAY_OPEN > YESTERDAY_CLOSE
python代码参考
import pandas as pd
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(0, 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) > 20 \
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['volume'].iloc[-1] > 10000 \
and stock_k_data['open'].iloc[-1] > stock_k_data['close'].iloc[-2]:
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]})
# 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。
