(supermind)振幅大于1、2021年、kdj（k）增长值_

问财量化选股策略逻辑

选股逻辑为振幅大于1、2021年、KDJ指标中K线增长值。

选股逻辑分析

1. 振幅大于1表明该股票波动性较高，有较大的涨幅和收益的可能；
2. 2021年作为选股时间段，可以分析市场趋势等信息；
3. 通过分析KDJ指标中K线的增长值，可以发现股票处于强势行情中。

有何风险？

1. 该选股逻辑可能过分追求短期行情，忽略了公司基本面的因素，可能会带来投资风险；
2. 指标选取和计算方法不当，可能会误判股票的走势。

如何优化？

1. 增加其他基本面指标的筛选，例如市盈率、市净率等；
2. 考虑使用其他技术指标来判断股票走势，例如MACD、RSI等。

最终的选股逻辑

选取振幅大于1、2021年、KDJ指标中K线增长值的股票进入待投资池。

同花顺指标公式代码参考

REF_K:REF(K,1)<REF(D,1) AND K> D AND K>83;
REFA:=REF(K,1);
COND1:=(K>=REFA) AND REF_K;
COND2:=YEAR=2021;
// 振幅大于1
COND3:=(HIGH-LOW)/LOW>0.01;
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL:=CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd 
import akshare as ak
import talib as ta

def get_trade_data(stock_code):
    stock_df = ak.stock_zh_a_daily(symbol=stock_code)
    stock_df = stock_df[['涨跌幅', '成交量', '成交额', '收盘价', '开盘价']]
    condition = (stock_df['收盘价'] - stock_df['开盘价']) / stock_df['开盘价'] > 0.01
    df = stock_df[condition].reset_index()
    return df

def select(df):
    # 振幅大于1
    df = df[(df['最高价'] - df['最低价']) / df['收盘价'] > 0.01]
    # 2021年
    df = df[df['交易日期'].dt.year == 2021]
    # KDJ指标K线增长值
    stock_code = df.iloc[0]['股票代码']
    stock_df = ak.stock_zh_a_daily(symbol=stock_code)
    kdj = ta.STOCH(stock_df['最高价'].values, stock_df['最低价'].values, stock_df['收盘价'].values)
    k_increase = kdj[0] - ta.REF(kdj[0], 1)
    df['k_increase'] = k_increase
    df = df[df['k_increase'] > 0].reset_index()
    return df

    ## 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)