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,股票均价站在五日均线之上。
选股逻辑分析
该选股策略同样在流动性、趋势信号和短期变化三个方面进行选股。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。而股票均价站在五日均线之上可以反映股票处于上升趋势中。
有何风险？
该选股策略同样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，选股逻辑中的换手率并没有考虑到股票的市值和成交量的大小等对换手率指标的影响。而均价超过五日均线并不能保证股票长期处于上升趋势中。
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。可以通过计算总市值，每日成交量的平均值等流动性指标，来进行综合考虑。
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，股票均价站在五日均线之上。
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 CLOSE>MA(CLOSE,5)
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['close'].iloc[-1] > stock_k_data['close'].rolling(window=5).mean().iloc[-1] \
and stock_k_data['market_value'].iloc[-1] > 1000000000:
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。
