(supermind)振幅大于1、KDJ刚形成金叉、三连阴_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选取振幅大于1、KDJ刚形成金叉、连续三天收盘价均小于当天开盘价为投资组合。

选股逻辑分析

  1. 振幅大于1表示该股票具有较大波动性,有利于获得高回报;
  2. KDJ刚形成金叉,意味着市场情绪好转,有较大概率涨势明显;
  3. 连续三天收盘价均小于当天开盘价,说明该股票价格近期处于下跌趋势,短期内有望下跌;
  4. 综合以上因素选取标的,可以提高买入的成功率,控制投资风险。

有何风险?

  1. 只考虑了部分技术指标和一个市场情绪因素,忽略了公司的具体业务情况,存在一定投资风险;
  2. 只考虑了近期走势,没有考虑长期趋势,有可能出现短期下跌但长期上涨的情况;
  3. 在技术指标选择上可能存在被误判的情况,需要谨慎分析。

如何优化?

  1. 引入其他技术指标,如MACD、RSI等,提高选股策略的准确度;
  2. 对市场情绪的多个指标进行综合考量,增加选股策略的全面性;
  3. 结合基本面分析,如财务状况报告,行业发展趋势等,综合考虑多方面因素,进行投资决策。

最终的选股逻辑

选取振幅大于1、KDJ刚形成金叉、连续三天收盘价均小于当天开盘价为投资组合。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// KDJ
RSV:=(CLOSE-LOWEST(CLOSE,9))/(HIGHEST(CLOSE,9)-LOWEST(CLOSE,9))*100;
K:SMA(RSV,3,1);
D:SMA(K,3,1);
J:3*K-2*D;
GCROSS: CROSS(J,D);
COND2:=REF(GCROSS,1)=0 AND GCROSS=1;
// 三连阴
COND3:=CLOSE<REF(OPEN,1) AND CLOSE<REF(OPEN,2) AND CLOSE<OPEN;
// 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

def get_trade_data(stock_code):
    stock_history_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="qfq")
    stock_history_df.rename(columns={"交易日期":"date","开盘价":"open","最高价":"high","最低价":"low","收盘价":"close","成交量":"volume","成交额":"amount"}, inplace=True)
    stock_history_df.sort_values("date", ascending=True, inplace=True)
    stock_history_df.reset_index(drop=True, inplace=True)
    return stock_history_df

def select(df):
    # 振幅
    cond1 = (df['high'] - df['low']) / df['low'] > 0.01
    # KDJ
    high, low, close = df['high'].values, df['low'].values, df['close'].values
    rsv = (close - pd.Series(low).rolling(window=9).min().values) / (pd.Series(high).rolling(window=9).max().values - pd.Series(low).rolling(window=9).min().values) * 100
    k = pd.Series(rsv).rolling(window=3).mean().values
    d = pd.Series(k).rolling(window=3).mean().values
    j = 3 * k - 2 * d
    cond2 = (j[-1] > d[-1]) & (j[-2] < d[-2])
    # 三连阴
    cond3 = (df['close'].iloc[-1] < df['open'].iloc[-1]) & (df['close'].iloc[-2] < df['open'].iloc[-2]) & (df['close'].iloc[-3] < df['open'].iloc[-3])
    # 综合条件
    basic_cond = cond1 & cond2 & cond3
    df = df.loc[basic_cond].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)
收益&风险
源码

评论