(iwencai量化策略)KDJ刚形成金叉_、今日最低价小于昨日最低价、振幅大于1

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

该选股策略包括三个条件:

  • 振幅大于1
  • 今日最低价小于昨日最低价
  • KDJ刚形成金叉

选股逻辑分析

该选股策略同样采用多重条件筛选。振幅大于1和今日最低价小于昨日最低价表明当前股票波动较大,但面临反弹可能。加入KDJ刚形成金叉则能较好地对市场情况进行分析。同时,KDJ指标结合股票的价格、成交和波动等信息,能更全面地评估股票市场表现。该选股逻辑注重技术分析,并考虑股票走势以及投资者情绪等因素。

有何风险?

该选股策略同样存在过度依赖技术指标和忽视其他基本面指标等的风险。同时,该策略可能会忽略股票的长期趋势和市场波动等因素,存在一定的风险。

如何优化?

该选股策略可加入其他基本面指标,如公司财报情况、市盈率、市净率等,以更全面地评估股票潜力。同时,可以加入其它技术指标如MACD等对股票短期走势进行分析,为避免忽略股票的长期趋势和市场波动,可以设置更长的均线等策略

最终的选股逻辑

基于以上分析,完善后的选股逻辑为:

  • 振幅大于1,市场对波动剧烈的股票更感兴趣;
  • 今日最低价小于昨日最低价,表明股票下跌趋势已经明显;
  • KDJ指标刚形成金叉,可以更全面地评估股市走向。

同时,加入其他基本面和技术指标进行评估。

同花顺指标公式代码参考

  • 振幅大于1:amplitude > 1
  • 今日最低价小于昨日最低价:low < ref(low, 1)
  • KDJ刚形成金叉:KDJ金叉信号产生 (KDJ(9, 3, 3).J > KDJ(9, 3, 3).K) and (ref(KDJ(9, 3, 3).J, 1) < ref(KDJ(9, 3, 3).K, 1))

python代码参考

import pandas as pd
import tushare as ts
import talib

df = ts.get_stock_basics()
codes = df.index.tolist()

result = pd.DataFrame()

for code in codes:
    bars = ts.get_hist_data(code)
    if bars is not None and len(bars) > 10:
        is_amplitude_large = bars['high'][-1]/bars['low'][-1] > 1.01
        is_today_lowest = bars['low'][-1] < bars['low'][-2]
        is_kdj_golden_cross = talib.KDJ(bars['high'].values, bars['low'].values, bars['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[-1][1] > talib.KDJ(bars['high'].values, bars['low'].values, bars['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[-1][2] and talib.KDJ(bars['high'].values, bars['low'].values, bars['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[-2][1] < talib.KDJ(bars['high'].values, bars['low'].values, bars['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[-2][2]
        if is_amplitude_large and is_today_lowest and is_kdj_golden_cross:
            # 其他基本面指标和技术指标
            result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'][-1], 'rsi': talib.RSI(bars['close'].values)[-1], 'gross_profit': df.loc[code]['gross_profit_ratio'], 'total_assets': df.loc[code]['total_assets'], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe']}, ignore_index=True)

result = result.sort_values(by=['total_assets'], ascending=False)
    ## 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)
收益&风险
源码

评论

需要帮助?

试试AI小助手吧