(supermind)振幅大于1、KDJ刚形成金叉、收盘价大于昨日的最低价_

问财量化选股策略逻辑

选取振幅大于1、KDJ刚形成金叉，且收盘价大于昨日的最低价的股票为投资组合。

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. 收盘价大于昨日的最低价，反映该股票具备一定的强势，有望维持上涨趋势。

有何风险？

1. 忽略了公司的具体业务情况、行业竞争情况等因素，只注重了市场情绪及内外盘指标，存在一定的投资风险；
2. 盲目追涨杀跌，可能会导致买入或卖出时机的失误；
3. 振幅大的个股往往波动性较大，有可能会出现急跌的情况。

如何优化？

1. 增加公司业务基本面因素，如股票市盈率、公司业绩等指标，提高投资决策的科学性；
2. 增加其他市场因素的考虑，如大盘趋势、行业板块等，进行投资决策；
3. 在寻找趋势向上的个股时，可以增加更多的技术指标，如MACD、布林带等等，同时也可考虑增加技术指标的权重，使投资决策更加合理可靠；
4. 在挑选波动性大的个股时，应该结合成交量等指标，避免单纯追涨杀跌。

最终的选股逻辑

选取振幅大于1、KDJ刚形成金叉，且收盘价大于昨日的最低价的股票为投资组合。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// KDJ金叉
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;
// 收盘价大于昨日的最低价
REF_CLOSE:=REF(CLOSE,1);
YESTERDAY_LOW:=LOWEST(REF_CLOSE,1);
COND3:=(CLOSE>YESTERDAY_LOW);
// 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="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","流通市值":"circ_cap"}, 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
    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])
    # 收盘价大于昨日最低价
    cond3 = df['close'].iloc[-1] > pd.Series(df['low']).shift(1).rolling(window=2).min().values[-1]
    # 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)