(iwencai量化策略)kdj(k)增长值_、规模2亿以上、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

选股逻辑:股票振幅大于1,规模大于2亿,KDJ指标的K值增长。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。

选股逻辑分析

该选股逻辑结合了技术面和基本面,通过振幅、规模、KDJ指标的K值增长等因素选取符合要求的股票。相比于只考虑技术面或基本面的单一选股策略,综合考虑多个因素,能更准确地判断股票的投资价值。但是KDJ指标的使用容易受到市场情绪的影响,存在着一定的风险。

有何风险?

该选股策略的主要风险如下:

  1. KDJ指标的使用容易受到市场情绪的影响,存在着一定的风险;
  2. 忽略了股票的基本面分析,可能选出风险较大的股票;
  3. 过分关注短期的市场情绪和趋势,容易受外部影响而变得不稳定。

如何优化?

为了优化该选股逻辑,可以考虑以下改进措施:

  1. 相较于只参考KDJ指标,加入更多的技术指标进行综合分析,提高选股的准确性;
  2. 引入基本面分析,综合考虑多个指标,缩小选股范围,减少风险;
  3. 引入长期趋势分析,降低选股策略的买卖频率,提高稳定性。

最终的选股逻辑

综合考虑和分析,我们对该选股逻辑进行了修改和优化,最终的选股逻辑如下:

  • 股票规模大于2亿;
  • 进行基本面和技术面综合分析,选取符合要求的股票;
  • 引入长期趋势分析,降低选股策略的买卖频率,提高稳定性。

同花顺指标公式代码参考

该选股策略涉及的指标为振幅、KDJ指标等,以下是通达信的相关代码:

/*
   筛选振幅大于1,规模2亿以上,KDJ(K)指标增长的股票
*/
SETVOLUNIT(1000);
SETTRADINGDAY(20190301,20221231);
SETFIRSTTRADINGDATEUNLINE(ALLSTOCKS,20190301);
SETTIMEZONE("Asia/Shanghai");

SELECT 
    // 振幅
    IF(AMO!=0 
       AND (OPEN*1.0/UPRICE-1)*(OPEN*1.0/LOW-1)>1 
       AND TOTALCAPITAL*10000 >= 2,
       1,
       0
    ) AS amplitude_filter,

    // 规模
    IF(TOTALCAPITAL*10000 >= 2,
       1,
       0
    ) AS capital_filter,

    // KDJ(K)指标增长
    IF(KTX>IIF(KTX[1]>0,KTX[1],50),
       1,
       0
    ) AS kdj_filter,

    // 总体过滤
    IF(amplitude_filter AND capital_filter AND kdj_filter,
       STOCKRANK_AVG_CAPITAL_30 / SUM(STOCKRANK_AVG_CAPITAL_30) DESC,
       0
    ) as stock_filter;

Python代码参考

该选股逻辑同样可以使用 Tushare 库获取股票数据和基本面数据,并基于振幅、规模和KDJ指标的K值增长等因素进行筛选,以下是示例代码:

import tushare as ts
import pandas_ta as ta

def is_selected(code):
    '''
    判断股票是否符合选股逻辑
    '''
    # 获取股票数据和财务数据
    k_data = ts.pro_bar(ts_code=code, start_date='20190101', end_date='20210820')
    basic_data = ts.get_stock_basics().loc[code]

    # 判断股票振幅、规模和KDJ指标的K值增长
    if 1 <= basic_data['amplitude'] <= basic_data['turnover_rate_f'] \
            and basic_data['outstanding'] * k_data.iloc[-1]['close'] >= 2e8 \
            and ta.kdj(k_data)['kdjk'][-1] > ta.kdj(k_data)['kdjk'][0]:
        return True

    return False

# 获取符合选股逻辑要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()

# 根据选股结果进行后续交易操作
for code in selected_stocks:
    pass # 参考其他交易策略

该代码通过 Tushare 库获取股票数据和基本面数据,使用KDJ指标的K值增长、振幅和规模等因素进行筛选,并参考了 pandas_ta 库对KDJ指标的计算。

    ## 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