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, 规模2亿以上的股票。
选股逻辑分析
该选股策略在流动性、趋势和规模三个方面进行选股。流动性方面选出换手率较高的股票，趋势方面通过KDJ指标的金叉确认股票处于上涨趋势。规模方面筛选规模较大的公司，以获得较高的盈利能力和稳定性。
有何风险？
该选股策略忽略了企业性质、行业等因素对股票的影响，只从流动性、趋势和规模方面进行选股，可能筛选出一些未来增长潜力较小等风险较高的股票。
如何优化？
该选股策略可以在企业性质、行业、财务数据等方面引入更多的优质指标，如行业龙头、高成长、高股息等多元化企业性质指标，以及净利润增长率、ROE等财务指标，进行全面多角度的选股分析，在避免漏选优质股票的基础上降低投资风险。
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, 规模2亿以上的股票。
同花顺指标公式代码参考
通达信指标公式代码：
TURNOVER_RATIO >= 0.03 AND TURNOVER_RATIO <= 0.12 AND KDJ_CROSS(0,1) AND MAMARKET_VALUE >= 200000000
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')
stock_market_data = api.get_market_data(code)
if stock_k_data is not None and len(stock_k_data) > 1 \
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_market_data['mamarket_value'] >= 200000000:
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],
'close': stock_k_data['close'].iloc[-1],
'ma_market_value': stock_market_data['mamarket_value']})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['close'])
# 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。
