问财量化选股策略逻辑
选股逻辑为：振幅大于1，流通市值大于100亿元，kdj（k）增长值。该选股策略注重了个股的市场表现、公司规模和KDJ技术指标。
选股逻辑分析
该选股策略注重了市场表现、公司规模和KDJ技术指标，选取了振幅大于1，流通市值大于100亿元和kdj（k）增长值的股票。振幅大于1是为了选择交投活跃度较高的个股，流通市值大于100亿元则注重公司规模，kdj（k）增长值则可以较好地反映股票的技术面表现，考虑到市场趋势和技术面的重要性，本策略综合考虑了这三个因素。
有何风险？
该选股策略仍然存在忽略公司基本面和行业因素等长期影响因素的风险。此外，KDJ等技术指标具有较大的市场随机性，不应仅仅以技术面指标作为选股的唯一依据。
如何优化？
可以在现有选股逻辑的基础上引入更多的指标，如相对强弱指数（RSI）、复合强弱指数（CRSI）等指标，对股票的市场变现和基本面进行更全面的综合评估。此外，可以考虑采用机器学习等算法来确定更多、更优的选股因子。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，kdj（k）增长值大于0。该选股策略综合考虑了市场表现、公司规模和技术指标等多方面因素。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: KDJ(K,5,3,3) > REF(KDJ(K,5,3,3),1); //KDJ（K）增长值
C4: MARKET='SH'; //主板股票
SYMBOL: C1 AND C2 AND C3 AND C4;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
if market != 'SH': # 非主板股票
continue
quote = pro.futu_quote(code).iloc[0] # 获取实时行情
if abs((quote['high'] / quote['low'] - 1) * 100) < 1: # 振幅小于1
continue
circ_mv = pro.daily_basic(ts_code=code, trade_date=quote['date'], fields='circ_mv').iloc[0]['circ_mv'] # 流通市值
if circ_mv < 10000000000: # 流通市值小于100亿元
continue
kdj_k = pro.daily(ts_code=code, start_date=quote['date'], end_date=quote['date'], fields='ts_code,k,d').iloc[0]['k'] # KDJ(K)
kdj_k_yesterday = pro.daily(ts_code=code, start_date=quote['date'], end_date=quote['date'], fields='ts_code,k,d').shift(1).iloc[0]['k'] # 前一日KDJ(K)
if kdj_k <= kdj_k_yesterday: # KDJ(K)没有增长
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_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。
