问财量化选股策略逻辑
该选股策略包括四个条件：
- 振幅大于1
- 至少5根均线重合的股票
- KDJ指标中K值增长
- 流通市值50亿以上，表示较好的市场资金活跃度和市场缺口空间。
选股逻辑分析
该选股策略同样侧重技术面和市场运用。通过挖掘技术面的共同因素，来更准确地判断个股是否处于超卖状态，同时加入了市场运用中资金的要求，确保个股有相对活跃的市场资金和较大的市场空间。
有何风险？
盲目追求技术指标，可能会忽略企业基本面表现和行业发展趋势等因素，存在挑选不理想的股票。同时，市场资金的波动性也可能影响个股价格，增加风险。
如何优化？
可以综合考虑技术面和市场运用中的资金因素，以更全面的视角进行选股，减少市场波动风险。同时，考虑引入早期行业发展的观点，进行更加全面的股票筛选。
最终的选股逻辑
综合以上因素修改后的选股逻辑为：
- 振幅大于1，市场对于波动剧烈的个股更感兴趣；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合，表示股票处于相对稳定状态；
- KDJ指标中K值增长，代表股票处于上涨态势；
- 流通市值50亿以上，表明股票有较大市场活跃度和市场缺口空间；
- 综合考虑技术面和市场方面的因素，衡量资产质量、盈利能力和财务结构等。
同花顺指标公式代码参考
KDJ指标中的K值增长量可以通过计算当前K值与n个交易日前的K值之差来实现，即：
KDJ_K_INCREASE = K - REF(K, N)
其中，REF(K, N)表示n个交易日前的K值。
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:
is_amplitude_large = False
is_ma_converge = False
is_k_increase = False
is_market_value_valid = False
bars = ts.get_k_data(code, ktype='D')
if bars is not None:
# 振幅大于1
is_amplitude_large = (bars['high'].iloc[-1] - bars['low'].iloc[-1]) / bars['low'].iloc[-1] > 0.01
# 至少5根均线重合的股票
close = bars['close'].values
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# KDJ指标中K值增长
high = bars['high'].values
low = bars['low'].values
close = bars['close'].values
slowk, slowd = talib.STOCH(high, low, close, fastk_period=9, slowk_period=3, slowk_matype=0, slowd_period=3, slowd_matype=0)
is_k_increase = slowk[-1] - slowk[-2] > 0
# 流通市值50亿以上
market_value = df.loc[code]['totals'] * bars['close'].iloc[-1]
is_market_value_valid = market_value / 100000000 >= 50
if is_amplitude_large and is_ma_converge and is_k_increase and is_market_value_valid:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'market_value': market_value, 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], 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。
