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, 至少5根均线重合的股票。
选股逻辑分析
该选股策略着重考虑了股票的流动性、技术面买入信号和长期趋势性，通过挖掘至少5根均线重合、同时考虑了换手率和KDJ指标的股票，以期待该股票长期的上涨空间。
有何风险？
该选股策略忽略了公司的基本面因素、未来的市场变化、外部风险等因素，过分关注了技术面和长期走势，可能会导致选股过于保守、错失短期机会，给投资者带来机会成本。
如何优化？
该选股策略可以加入其他的技术面指标、基本面指标、行业因素、估值因素和政策风险等因素，使用多个指标综合刻画股票的价值。同时，也要注重短期走势，给予适当的止盈和止损策略。
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, 至少5根均线重合的股票，同时考虑其他的技术面指标、基本面指标、行业因素、估值因素和政策风险等因素，并且给予适当的止盈和止损策略。
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 COUNT(CLOSE>MA(CLOSE,1), 240)>=5
其中，CLOSE为收盘价，MA(CLOSE,1)为收盘价的1日均线。
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] and \
sum(stock_k_data['close'] > stock_k_data['ma5']) >= 240 * 0.7:
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]})
# 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。
