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,高点为两日最高。
选股逻辑分析
该选股策略首先考虑换手率的范围，确定了股票的活跃度。其次，考虑KDJ技术指标，判断当前股票是否处于上涨趋势中。最后，考虑股价波动情况，选取高点为两日最高的股票。
有何风险？
该选股策略仅考虑了股票的活跃度、技术面和股价波动情况，可能忽略了公司财报、行业政策等基本面因素，存在选错标的资产的可能性。同时，由于选取的股票仅为高点为两日最高的股票，可能会错过更长周期的涨势。
如何优化？
该选股策略可以加入更多的基本面数据，如市盈率、市净率等指标，作为辅助因素，结合技术面和股价波动情况分析。同时，可以优化选股的周期，如增加股价波动的周期，从而减小对短期趋势的依赖，以提高选股的准确性和稳定性。
最终的选股逻辑
该选股策略选股逻辑为：换手率大于等于3%且小于等于12%，KDJ金叉，当前的股价为两日的最高点。
同花顺指标公式代码参考
通达信公式代码：
(TURNOVER>=0.03 AND TURNOVER<=0.12) AND KDJ_CROSS(0,1) AND HHV(C, 2)==REF(HHV(C, 2), 1)
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)>2 \
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_k_data['high'].iloc[-1]==max(stock_k_data['high'].iloc[-2:]):
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],
'last_price':stock_k_data['close'].iloc[-1]})
selected_stocks = pd.DataFrame(selected_stocks)
selected_stocks = selected_stocks.sort_values(by=['last_price'], 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。
