问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、机器人概念且流通市值小于100亿、kdj（k）增长值的主板股票中进行投资。
选股逻辑分析
本选股逻辑在基本面选股的基础上，加入了技术分析的指标kdj（k）增长值，选股的精度更高。同时加入了流通市值这一指标，只选择流通市值在100亿以下的股票，可以减少过于多元化的风险。
有何风险？
技术指标可能受到市场的影响，甚至可能出现虚假信号，导致投资者损失。同时，本选股逻辑仅考虑了kdj（k）指标，忽略了其它技术也重要的指标，可能会导致股票选择不全面。
如何优化？
可以将kdj指标与其它技术指标进行合并，例如macd指标等。同时，还可以加入相应公司的基本面和财务数据进行分析，提高股票选择的精度。
最终的选股逻辑
选股条件为：换手率3%-12%、选择机器人概念且流通市值小于100亿的主板股票，kdj（k）指标增长值>10。
同花顺指标公式代码参考
选股条件：换手率>=3 and 概念(机器人)==1 and 流通市值<100000 and KDJ.K<REF(KDJ.K,1) and REF(KDJ.K,1)<REF(KDJ.K,2) and REF(KDJ.K,2)<REF(KDJ.K,3) order by 按出现次数排序;
选股结果：fml('换手率>=3 and 概念(机器人)==1 and 流通市值<100000 and KDJ.K<REF(KDJ.K,1) and REF(KDJ.K,1)<REF(KDJ.K,2) and REF(KDJ.K,2)<REF(KDJ.K,3) order by 按出现次数排序',100)
python代码参考
import tushare as ts
import pandas as pd
import numpy as np
import talib as ta
ts.set_token('your_token')
pro = ts.pro_api()
def select_good_stocks():
# 换手率3%-12%
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['concept'].str.contains('机器人'))]
df1 = df1[(df1['float_mv'] < 100000)]
# kdj(k)指标
stock_codes = df1['ts_code'].tolist()
df2 = pd.DataFrame()
for code in stock_codes:
data = pro.daily(ts_code=code, start_date='20190101', end_date='20211231')
data['K'], data['D'] = ta.STOCH(data['high'], data['low'], data['close'])
data['KDj'] = 3 * data['K'] - 2 * data['D']
data['KDJ_K_increase'] = data['K'] - data['K'].shift(1)
data = data[['trade_date','KDJ_K_increase']]
data = data.sort_values(by='trade_date', ascending=False).head(1)
data['ts_code'] = code
df2 = df2.append(data)
df2 = df2[df2['KDJ_K_increase'] > 0.1]
# 合并数据
df = pd.merge(df1,df2,on='ts_code')
return df
good_stocks = select_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。
