(supermind)振幅大于1、k小于20、KDJ刚形成金叉

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，KDJ刚形成金叉。

选股逻辑分析

该选股逻辑主要起到了技术指标筛选的作用，选择振幅大于1、K线小于20、以及KDJ刚形成金叉的标的。这个逻辑选择了振幅大、短期K线小、且近期出现明显的买入信号的标的，这些标的有可能涨幅较大，具有投机性质，并且这些股票面临着一定的风险。

有何风险？

该选股逻辑着重考虑了技术指标，忽略了基本面和市场情况对股票价格的影响。因此，选股结果可能会出现不准确的情况，特别是当市场情况发生变动或不确定时。而KDJ指标为中短期指标，仅从周期的角度来看不全面，忽略了长期趋势，有过程中可能会出现失真的情况。

如何优化？

可以通过加入基本面和市场情况的考量，进行综合分析，避免单一纬度的思维。此外，可以考虑增加其他技术指标作为辅助指标，如Bollinger Band等。

最终的选股逻辑

改进后的选股逻辑如下：

振幅大于1；
K线小于20；
KDJ出现金叉，并持续一定时间；
综合考虑业绩、基本面等情况。
添加其他限制条件，如Bollinger Band等。

同花顺指标公式代码参考

以下是在同花顺上实现该选股策略的指标公式代码：

C1: Amp() > 1;
C2: KDJ(9,3,3)-DIF < 20;
C3: REF(KDJ(9,3,3)-DIF,1) < REF(signal(REF(KDJ(9,3,3)-DIF,1),3),1);
SELECTOR:=C1 AND C2 AND C3;
RESULT:=SELECTOR;

其中，Amp()代表股票的振幅，KDJ指标的参数可以根据需要进行调整。

Python代码参考

以下是Python实现该选股策略的选股逻辑：

# 计算指标
amp = (df['high'] - df['low']) / df['close']
kdj, kdj_signal = talib.STOCH(df['high'], df['low'], df['close'], fastk_period=9, slowk_period=3, slowd_period=3)
kdj_diff = kdj - kdj_signal
selector1 = amp > 1
selector2 = kdj_diff < 20
selector3 = kdj_diff.shift(1) < kdj_diff.shift(1).rolling(window=3).mean()
selected_stocks = selector1 & selector2 & selector3

# 综合选择
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
selected_stocks.drop('pct_chg', axis=1, inplace=True)

return selected_stocks['code'].tolist()

通过使用Python实现该选股逻辑，结合股票振幅、KDJ指标的金叉等条件进行选股。在实际运用过程中，可以根据实际情况和投资策略进行相应的优化和改进。

    ## 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)

(supermind)振幅大于1、k小于20、KDJ刚形成金叉_