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, 近25个交易日有单日涨幅大于等于百分之10。
选股逻辑分析
该选股策略较为注重股票的市场活跃性、技术面买入信号和股票短期内的涨幅，换手率范围在3%-12%也能同时考虑股票的成交量和市值规模。同时，KDJ指标的金叉表明股票处于技术面买入区域，单日涨幅大于等于百分之10则表明股票处于较为活跃的市场环境。
有何风险？
该选股策略依赖于近25个交易日内的股票涨幅，可能会出现短期内暴涨暴跌的情况，需要进一步关注股票基本面的变化。同时，由于该选股策略忽略了其他技术指标的影响，可能会漏掉一些符合选股条件的股票。
如何优化？
该选股策略可以加入其他的技术指标，如MACD、RSI等指标。同时，可以关注股票的基本面因素，并结合行业因素综合判断，制定综合选股策略。
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, 近25个交易日有单日涨幅大于等于百分之10，同时考虑其他的技术指标和基本面因素。
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 COUNT_IF(CLOSE/LAG(CLOSE,1)-1>=0.1,25)>=1
其中，COUNT_IF为统计满足条件的交易日的数量。
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) >= 25 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 \
(stock_k_data['close'].iloc[-25:] /
stock_k_data['close'].shift(1).iloc[-25:] - 1 >= 0.1).sum() >= 1:
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。
