问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,KDJ刚形成金叉。
选股逻辑分析
该选股逻辑综合考虑了技术因素和形态因素。振幅因素筛选出波动性较大的股票，反包因素降低了风险。在趋势分析上，考虑了KDJ的技术指标；在趋势形态上，刚形成的金叉是一种较强的买入信号。这些指标综合排列，有助于筛选出相对优秀的股票。
有何风险？
单一指标的使用过多，会导致选股的集中程度较大，缺乏全面的股票指标筛选。同时，该选股策略更加注重短期趋势，忽略了股票的基本面因素，容易忽略未来的发展潜力。
如何优化？
在进行选股时，需同时考虑技术因子和基本面因子。可以引入更多的基本面指标，如市盈率、市净率等，以更全面的视角寻找优质的股票。另外，酌情调整指标的参数值，以增强选股策略的灵敏性、稳健性和适应性。
最终的选股逻辑
基于以上分析，提出完善后的选股逻辑：
- 振幅大于1；
- 近3天内出现反包形态；
- KDJ指标上叉，且在20以下；
- 筛选出优质股票。
同花顺指标公式代码参考
使用通达信指标计算，以下是该选股策略的通达信指标公式代码：
F01: HIGH/LOW - 1 > 0.01; // 振幅大于1
F02: NOT(SIGN(CLOSE - REF(CLOSE, 1)) == SIGN(REF(CLOSE, 1) - REF(CLOSE, 2))); // 反包
F03: CROSS(J, K) AND J[-1] < 20; // KDJ指标上叉，且在20以下
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 输出文本信息：选股
python代码参考
以下是 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbols):
# 获取数据，计算指标
close = dv.get_ts('close', symbol=symbols)
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
ta_func_kdj = Ta('KDJ', 9, 3, dv.get_ts('close', symbol=symbols), dv.get_ts('high', symbol=symbols), dv.get_ts('low', symbol=symbols))
ta_func_renko = Ta('CDLTRISTAR', 0, dv.get_ts('open', symbol=symbols), high, low, close)
price_filter = (close.iloc[:, -1] > close.iloc[:, -2]) # 当前收益率大于0
amp = (close / close.shift(1) - 1).abs() > 0.01
kdj_filter = ((ta_func_kdj[0].iloc[:, -1] > ta_func_kdj[1].iloc[:, -1]) & (ta_func_kdj[2].iloc[:, -1] < 20))
renko_filter = (ta_func_renko == 100)
selected_stocks = (price_filter & amp & kdj_filter & renko_filter)
selected_stocks = selected_stocks.sort_values(by='pct_chg', ascending=False)
return selected_stocks.index.tolist()
使用Python实现这个策略，主要是利用了TA-Lib，使用KDJ函数计算KDJ指标，使用CDLTRISTAR函数计算反包形态。将选股过程打包成一个函数，实现了容易复用的量化选股策略。
## 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。
