(supermind策略)换手率3%-12%、KDJ刚形成金叉、竞价时涨跌幅买入大单

用户头像神盾局量子研究部
2023-08-30 发布

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,竞价时涨跌幅买入大单,特大单共计买入量大于0.7千万。

选股逻辑分析

该选股策略综合考虑了流动性、技术面买入信号、竞价时的情况和股票交易量等因素,通过选取换手率在一定范围内的、KDJ指标金叉的、竞价时买入大单、特大单的股票,期望获得长期的收益。

有何风险?

该选股策略忽略了公司的基本面、未来的市场变化、外部风险等因素,过分强调了技术面和交易数据,可能导致投资者持有股票的时间过长或在股票在不利的市场情况下出现高风险,给投资者带来不利影响。

如何优化?

应当结合其他指标综合分析股票的价值,如使用行业资金流向、公司财务指标、政策变化等因素,对选股策略进行优化。

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,竞价时涨跌幅买入大单,特大单共计买入量大于0.7千万,并综合考虑了行业资金流向、公司财务指标、政策变化等因素。

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 ABS(LAST - OPEN)/OPEN > 涨跌幅 AND 买入大单金额 + 买入特大单金额 >= 7000000

其中,LAST表示股票的当前价格,OPEN表示股票的开盘价格,涨跌幅为自定义值。

python代码参考

import pandas as pd
from pytdx.hq import TdxHq_API
import datetime

# 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']:
    if code.startswith(('00', '60', '30')):
        stock_k_data = api.get_k_data(code, 'D')
        if stock_k_data is not None and len(stock_k_data) >= 2 * 240 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['kdj_j'].iloc[-2] < stock_k_data['kdj_j'].iloc[-1]:
            _, bid_volume = api.get_transaction_data(code, datetime.datetime.now().date())
            if len(bid_volume) > 0:
                total_bid_volume = sum([x for x in bid_volume if x > 0])
                price_info = api.get_security_quotes([(api.to_ft_code(code))])[0]
                current_price = price_info.get('price')
                current_change_pct = (current_price - price_info.get('last_close'))/price_info.get('last_close')
                if current_change_pct > 0:
                    if total_bid_volume >= 7000000:
                        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],
                                                'bid_volume': total_bid_volume})
                        
# 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论