(supermind策略)换手率3%-12%、KDJ刚形成金叉、近一个月内有过涨停_

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,近一个月内有过涨停。

选股逻辑分析

该选股策略结合了流动性、技术面买入信号和股价强势等因素,通过选取换手率在一定范围内的、KDJ指标金叉的股票,还要求该股票在近一个月内曾一次涨停,以此来寻找具有一定技术面和股价强势的股票,期望获得长期的收益。

有何风险?

该选股策略过分注重了短期的价格波动和技术面买入信号,而忽略了公司的基本面和未来市场的变化等因素,可能会导致股票在未来的市场环境下出现高风险,使得投资者无法获得长期的收益。

如何优化?

需要加入更多的因素来综合分析股票的价值,比如公司的财务报告、行业发展趋势、政策缘由等因素,使得选股策略更为全面、科学,增加选股成功率。

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,近一个月内有过涨停,并综合考虑公司的财务报告、行业发展趋势、政策缘由等因素。

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 MAX(CLOSE/LASTDAY(CLOSE), LASTDAY(CLOSE)/CLOSE) >= 1.1 AND GETZT(LASTDATE>='20'+REFDATE(LASTDATE,30))>0

其中,REFDATE表示30天前的时间,GETZT表示获取给定时间范围内的涨停情况,MAX表示求最大值。

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')
                if MAX(current_price/price_info.get('last_close'), price_info.get('last_close')/current_price) >= 1.1 \
                    and api.get_transaction_data(code, datetime.datetime.now().date() - datetime.timedelta(days=30))['zt_count'] > 0:
                    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