问财量化选股策略逻辑
选股逻辑为：振幅大于1、未清偿可转债简称不可为空、KDJ刚形成金叉。该选股策略主要考虑了股票的波动性、基本面以及技术面因素，从而选出具有一定成长潜力和上涨空间的股票。
选股逻辑分析
该选股策略主要通过选股条件来确定有波动性的股票，然后选取基本面较优秀、技术面上涨空间较大的股票进行投资。其中，KDJ指标可以反映出股票的买卖情况，KDJ形成金叉，也意味着股票即将上涨。
有何风险？
该选股逻辑过于注重技术面指标，忽略了基本面的作用，可能会排除一些优质业绩和估值合理的公司。同时，KDJ指标存在滞后性，不能保证选出的股票必定上涨，存在操作风险。
如何优化？
可加入其他基本面指标，如市盈率、净利润增长率等，结合选股条件进行综合评估。同时，可以加入更多技术面指标，如MACD、均线等指标。另外，选股时间可以设置更短，如一周内形成金叉的股票等。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、KDJ刚形成金叉的A股。选股条件可以根据实际投资需要进行修改。
同花顺指标公式代码参考
SELECT1 = (HIGH - LOW) / HIGH > 0.01
SELECT2 = BOND_FULL_NAME != "" AND LEFT(RIGHT(CODE, 4), 1) != "3"
SELECT3 = K >= D AND K.shift(1) <= D.shift(1) AND KDJ_J >= 50
SELECT = SELECT1 AND SELECT2 AND SELECT3
以上为计算选股逻辑的通达信指标公式。其中，选股指标为振幅大于1、未清偿可转债简称不可为空、KDJ刚形成金叉。可根据实际投资需求进行修改。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取A股市场所有的股票
all_stocks = [ts_code for ts_code, name in pro.stock_basic(fields='ts_code,name', exchange='', list_status='L').values.tolist() if name[0] != 'S' and '创业板' not in name and '科创板' not in name and '退' not in name]
# 计算选股指标并依此进行选股
selected_stocks = []
for ts_code in all_stocks:
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name')
if all_data.empty:
continue
if not (all_data.iloc[0]['exchange']=='SSE' and all_data.iloc[0]['list_status']=='L' and all_data.iloc[0]['area']=='华东' and all_data.iloc[0]['industry']!='金融服务'):
continue
bond_data = pro.cb_basic(ts_code=ts_code, list_status='L', bond_type='put')
if bond_data.empty:
continue
k_data = pro.query('daily', ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=7)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close')
if k_data.empty:
continue
k_data['K'], k_data['D'], k_data['J'] = talib.STOCH(k_data['high'].values, k_data['low'].values, k_data['close'].values, fastk_period=9, slowk_period=3, slowk_matype=0, slowd_period=3, slowd_matype=0)
if (k_data['high'] - k_data['low']) / k_data['high'].iloc[-1] <= 0.01:
continue
if not (k_data['K'].iloc[-1] >= k_data['D'].iloc[-1] and k_data['K'].iloc[-2] <= k_data['D'].iloc[-2] and k_data['J'].iloc[-1] >= 50):
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: pro.daily_basic(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='total_mv')['total_mv'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、KDJ刚形成金叉的A股。可根据实际投资需求进行修改。
## 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。
