问财量化选股策略逻辑
选股逻辑为：振幅大于1、剔除昨日涨停、KDJ（K）增长值的股票。该选股策略旨在从技术面出发，选择波动较大、并且KDJ指标呈现出明显的增长趋势的股票，具备较大上涨潜力。
选股逻辑分析
振幅指标反映了市场的波动强度，选择振幅大于1的股票可以过滤掉一些低波动率的品种。剔除昨日涨停的股票可以避免买入高位，降低风险。KDJ指标是反映市场超买超卖的强有力工具，通过KDJ（K）增长值来判断趋势是否向上，从而进一步筛选出增长趋势明显的品种。
有何风险？
该选股策略可能存在以下风险：
-
KDJ指标的使用存在主观因素，可能会导致选股结果不够准确。
-
选股逻辑仅仅通过技术面来筛选股票，难以全面评估股票的质量和价值。
-
长期使用该选股策略可能会导致过度依赖技术指标，而忽略公司基本面对于股票的影响。
如何优化？
以下是对该选股逻辑的优化建议：
-
合理使用KDJ指标，并且需要衡量KDJ指标在该股票上的使用效果，以验证股票走势与KDJ指标的一致性。
-
在KDJ指标的基础上，考虑加入更多因素，如公司基本面、财务状况等因素，综合考量，筛选出更有价值的股票。
-
需要不断调整选股策略中的参数，以及时适应市场变化。
最终权益选股逻辑
选股策略为：振幅大于1、剔除昨日涨停、KDJ（K）增长值的股票。
同花顺指标公式代码参考
以下是该选股策略的通达信指标公式代码：
振幅指标：AMO=(HIGH-LOW)/REF(CLOSE,1);
剔除昨日涨停：NOT LIMIT;
KDJ指标：KDJ(9, 3, 3)
KDJ（K）增长值 ： (KDJ（K）- REF(KDJ（K），1))/REF(KDJ（K），1)*100;
选股条件：AMO > 1 AND NOT LIMIT AND (KDJ（K）- REF(KDJ（K），1))/REF(KDJ（K），1)*100>0;
python代码参考
from gm.api import *
set_token('your_token_here')
# 设置回测起点和终点
start_date = '2017-01-01'
end_date = '2022-01-01'
# 构造KDJ指标，获取KDJ（K）增长值
def kdj_increase(symbol):
df = history(symbol=symbol,
start_time=start_date,
end_time=end_date,
fields=["symbol", "close", "open", "limit_status", "high", "low"],
indicators={"KDJ": "KDJ(9, 3, 3)"},
bar_count=1,
freq="D",
fill_missing="last",
adjust=ADJUST_PREV)
kdj_k = df.iloc[-1]['KDJ.KDJ_K']
kdj_k_yesterday = df.iloc[-2]['KDJ.KDJ_K']
return (kdj_k - kdj_k_yesterday) / kdj_k_yesterday * 100 if kdj_k_yesterday != 0 else 0
# 过滤出KDJ（K）增长值为正的股票列表
symbols_selected = []
for symbol in get_symbols(exchanges=['SHSE', 'SZSE'], sec_types=['STOCK'], fields=['symbol']):
if kdj_increase(symbol) > 0:
symbols_selected.append(symbol)
print(symbols_selected)
上述代码中，选股的逻辑为振幅大于1、剔除昨日涨停、KDJ（K）增长值的股票。使用自定义函数获取KDJ（K）增长值，并根据其是否大于0来筛选符合条件的股票。同时使用了get_symbols函数和history函数来获取股票列表和历史数据。
## 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。
