(supermind)振幅大于1、KDJ刚形成金叉、今日上涨_1主板_

问财量化选股策略逻辑

选取振幅大于1、KDJ刚形成金叉、今日上涨幅度大于1%的主板股票为投资组合。

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. 今日上涨幅度大于1%，表明股票价格在近期得到了市场的青睐，短期内有上涨空间；
4. 在上涨幅度大于1%的股票中选择主板股票，具有一定的安全性。

有何风险？

1. 只考虑了振幅、KDJ、今日上涨幅度等指标，忽略了公司的具体业务情况、行业竞争情况等因素，存在一定的投资风险；
2. 短期内的上涨并不能保证长期股票价格的上涨；
3. 在选股中过于追求短期上涨股票，可能会出现选股效果差、短期内价格波动较大的情况。

如何优化？

1. 适当增加选股因素，如财务状况、行业发展趋势等，提高投资决策的科学性；
2. 结合基本面分析，综合考虑多方面因素，如公司盈利能力、成长性、竞争优势等，进行投资决策；
3. 在选择短期内上涨的股票时，增加一定的涨幅幅度阈值，如2%、3%等，提高策略的准确度。

最终的选股逻辑

选取振幅大于1、KDJ刚形成金叉、今日上涨幅度大于1%的主板股票为投资组合。

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;
// 今日上涨幅度大于1%
COND3:= ABS((CLOSE-REF(CLOSE,1))/REF(CLOSE,1))>0.01;
// 主板
COND4:= MARKETTYPE=1;
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3 AND COND4;
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['pct_chg'] = stock_history_df['close'].pct_change() * 100
    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])
    # 今日上涨幅度
    cond3 = abs((df['close'].iloc[-1] - df['close'].iloc[-2]) / df['close'].iloc[-2]) > 0.01
    # 主板
    cond4 = df['市场类型'] == '主板'
    # 综合条件
    basic_cond = cond1 & cond2 & cond3 & cond4
    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)