(supermind)振幅大于1、KDJ刚形成金叉、周线红柱_

问财量化选股策略逻辑

选取振幅大于1，KDJ刚形成金叉，周线红柱的股票进入待投资池。

选股逻辑分析

1. 振幅大于1表明该股票波动性大，有望获得高回报；
2. KDJ刚形成金叉，预示着市场情绪好转，有较大概率涨势明显；
3. 周线红柱表明股票连续两周收盘价高于开盘价且周涨跌幅大于0。

有何风险？

1. 过于依赖技术指标，可能忽略了股票的基本面信息；
2. KDJ指标具有滞后性，金叉出现时市场已有一定的上涨；
3. 周线红柱是较短期的观测指标，可能受到周末效应等因素影响。

如何优化？

1. 加入基本面评估指标，如PE、PB等指标；
2. 根据公司经营历史、财务报表信息、分析资产负债表等因素进行选股；
3. 在技术指标基础上适当加入其他指标，如RSI、MACD等；
4. 根据市场趋势变化，动态调整选股策略；
5. 考虑周线柱状颜色的连续性和数量，避免单个红柱的干扰。

最终的选股逻辑

选取振幅大于1，KDJ刚形成金叉，周线红柱连续两周的股票进入待投资池。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// KDJ指标
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;
GCROSS1:CROSS(J,D);
COND2:=REF(GCROSS1,1)=0 AND GCROSS1=1;
// 周线红柱
TW:=DAYOFWEEK(JR); //获得每周的第几天
COND3:=SMA(TW=5 AND C>O,5,2);
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="hfq")
    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
    stock_history_df['net_volume'] = stock_history_df['close'] * stock_history_df['volume'] * stock_history_df['pct_chg'] / 100 /10000
    df = stock_history_df[['date','open','high','low','close','volume','net_amount','pct_chg','net_volume']].copy()
    # 振幅
    cond1 = (df['high'] - df['low']) / df['low'] > 0.01
    # KDJ指标
    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
    kdj_cond = (j[-1] > d[-1]) & (j[-2] < d[-2])
    # 周线红柱
    df['day_of_week'] = df['date'].apply(lambda x: x.weekday()) # 0为星期一
    df['week'] = df['date'].apply(lambda x: x.strftime('%Y-%W'))
    cond3 = pd.Series(df[(df['day_of_week'] == 4) & (df['close'] > df['open'])]['week'].value_counts() > 1).rolling(window=2).apply(lambda x: x[0] & x[1], raw=True).shift(1)
    # 综合条件
    basic_cond = cond1 & kdj_cond & cond3
    df = df[basic_cond].reset_index(drop=True)
    return df
    
def select(df):
    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)