(supermind量化策略)换手率3%-12%、前25天有涨停、kdj（k）增长值

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%,前25天有涨停,kdj（k）增长值。

选股逻辑分析

该选股策略加入了技术分析指标KDJ的增长值，可以筛选出技术面表现较好并且市场情绪热度高的股票。同时也加入了换手率和前25天有涨停，可以选出市场情绪热度高且有潜力的潜力股。选股后，需要结合基本面和其他技术指标进行股票的筛选和交易。

有何风险？

该选股策略中依赖于技术分析指标KDJ，而股票价格的波动受多种因素影响，存在技术面指标的不稳定性，以及历史表现与未来表现不一致性的风险。同时，基于历史数据操作股票也存在风险。

如何优化？

可以考虑引入其他技术分析指标，如均线系统、相对强弱指标、量价分析等以及基本面数据指标，如市盈率、市净率、市销率等，以综合提高选股的准确性和稳健性。同时，可以采用其他多空判断指标，避免过于依赖单一判断指标而导致的风险。

最终的选股逻辑

该选股策略选股逻辑为：换手率3%-12%,前25天有涨停,kdj（k）增长值，结合多重因素进行筛选和交易。

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 COUNT(WINDBREAKSIGN>0 and WINDBREAKSIGN<100, 25)>=1 AND KDJ_CROSS('K', 'D') AND MARKET!=2 AND STATUS=0 ORDER BY PE DESC

其中，其它条件同上一例子。

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', 'industry'])

# 获取A股数据
selected_stocks = []
for code in df_stocks['code']:
    if code.startswith(('00', '60', '30')) and df_stocks[df_stocks['code'] == code]['market_type'].values[0] != 5:
        finance_data = api.get_finance_info(code, 0)
        if len(finance_data) > 0 and \
                finance_data['mktcap'][0] >= 5000000000 and \
                finance_data['mktcap'][0] <= 10000000000:
            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[stock_k_data['high'] == stock_k_data['high'].rolling(2).max()][['high']].shift(1).expanding(min_periods=20).max().iloc[-1, 0] == stock_k_data['high'].rolling(20).max().iloc[-1] and \
                    api.get_security_quotes([(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0], code)])['last_prices'][0] > api.get_security_quotes([(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0], '000001')])['last_prices'][0] and \
                    api.get_k_data(code, 'k').iloc[-1]['close'] > 10:
                kdj_k_data = api.get_k_data(code, 'k')
                if len(kdj_k_data) >= 20 and kdj_k_data['high'].rolling(2).max().diff()[-1] > 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],
                                            'pe': finance_data['pe'][0]})

df_selected_stocks = pd.DataFrame(selected_stocks)
df_selected_stocks = df_selected_stocks.sort_values('pe', ascending=False).reset_index(drop=True)

# 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)

(supermind量化策略)换手率3%-12%、前25天有涨停、kdj（k）增长值_