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,非ST，五部涨停战法。
选股逻辑分析
该选股策略同样在流动性和趋势信号两个方面进行选股。换手率可以筛选出流动性好的股票。KDJ指标代表股票的趋势和买卖信号，通过刚形成金叉来选出顺势股。非ST条件可以排除黑天鹅事件对股票走势的影响。五部涨停战法可以筛选出市场情绪较高、股票上涨潜力较大的优质股票。
有何风险？
该选股策略同样忽略了许多基本面和行业特征的因素，也会存在一定的操作风险。同时过于依赖技术指标而忽略基本面和市场情绪等因素也需要注意。
如何优化？
可增加其他筛选指标，例如股票的PE、PB等基本面数据，或者增加其他技术指标，例如均线指标等来验证选股策略的可靠性。同时，可以考虑加入其他市场情绪指标或者板块热度指标等进一步筛选出热点股票。
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，非ST，五部涨停战法。
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 ST_FLAG!=1
AND (REF(CLOSE,1)/REF(CLOSE,2)-1)>=0.099
AND (REF(CLOSE,2)/REF(CLOSE,3)-1)>=0.098
AND (REF(CLOSE,3)/REF(CLOSE,4)-1)>=0.097
AND (REF(CLOSE,4)/REF(CLOSE,5)-1)>=0.096
AND (REF(CLOSE,5)/REF(CLOSE,6)-1)>=0.095
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) > 6 \
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 'ST' not in df_stocks[df_stocks['code']== code]['name'].values[0] \
and stock_k_data['close'].iloc[-1]/stock_k_data['close'].iloc[-6] >= 1.55 \
and stock_k_data['close'].iloc[-2]/stock_k_data['close'].iloc[-7] >= 1.45\
and stock_k_data['close'].iloc[-3]/stock_k_data['close'].iloc[-8] >= 1.35 \
and stock_k_data['close'].iloc[-4]/stock_k_data['close'].iloc[-9] >= 1.25 \
and stock_k_data['close'].iloc[-5]/stock_k_data['close'].iloc[-10] >= 1.15:
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_rate': stock_k_data['turnover_rate'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['turnover_rate'], 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。
