问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、剔除北京A股的基础上，选择kdj指标中k线增长区间的股票。
选股逻辑分析
该选股逻辑从技术面的角度考虑，通过kdj指标中k线增长区间，筛选出涨势较好的股票。
有何风险？
该选股逻辑的风险包括：1. kdj指标本身并不能保证一定的投资成功率；2. 过于注重技术面，可能会忽略其他重要的因素，如行业趋势、公司财务等。
如何优化？
-
增加其他指标作为筛选条件
可以将技术面指标作为一个参考指标，结合其他基本面指标，来筛选更具投资潜力的股票。 -
精细化分类
可以在技术面指标的基础上，对不同行业、不同市场条件下的股票进行更加细致化的选股策略。
最终的选股逻辑
在换手率3%-12%、剔除北京A股的基础上，选取kdj指标中k线增长区间的股票。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03) AND (HSL <= 0.12) AND (SYMBOL_MKTCODE == '100' OR SYMBOL_MKTCODE == '200') AND (REF(KDJ.K,1) < KDJ.K) AND (REF(KDJ.K,2) < REF(KDJ.K,1))
其中，k线增长区间的筛选条件为：(REF(KDJ.K,1) < KDJ.K) AND (REF(KDJ.K,2) < REF(KDJ.K,1))
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
# 获取非北京A股，kdj指标中k线增长区间的股票
stock_basics = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,k')
stock_basics = stock_basics[stock_basics.area != '北京']
stock_basics['k_diff'] = stock_basics['k'] - stock_basics['k'].shift(1)
good_stocks = stock_basics[(stock_basics['k_diff'] > 0) & (stock_basics['k_diff'].shift(1) > 0)]
for ts_code in good_stocks['ts_code'].unique():
good_list.append({
'ts_code': ts_code,
'name': good_stocks[good_stocks.ts_code == ts_code].iloc[0]['name'],
'industry': good_stocks[good_stocks.ts_code == ts_code].iloc[0]['industry'],
'market': good_stocks[good_stocks.ts_code == ts_code].iloc[0]['market'],
'k': good_stocks[good_stocks.ts_code == ts_code].iloc[0]['k'],
})
good_stocks = pd.DataFrame(good_list)
return good_stocks
good_stocks = get_good_stocks()
print(good_stocks)
## 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。
