问财量化选股策略逻辑
选取振幅大于1，KDJ刚形成金叉，昨日主力控盘的股票进入待投资池。
选股逻辑分析
- 振幅大于1表明该股票波动性大，有望获得高回报；
- KDJ刚形成金叉，预示着市场情绪化好转，有较大概率涨势明显；
- 昨日主力控盘表明该股票获得资金大量流入，市场关注度较高。
有何风险？
- 忽略了公司的经营风险、财务风险等基本面因素，产生投资误判；
- 可能造成追高风险，即该股票处于特定阶段或已达到上涨极限，不适合再次入场。
- 昨日主力控盘只是表明主力资金有操作，但具体操作方向和目的等因素不确定，可能产生投资风险。
如何优化？
- 引入更多基本面指标，如公司估值、净利润等，更全面评估股票投资价值；
- 当天或未来几天的主力净流入量等技术指标可帮助更全面衡量市场资金动向，确定投资方向；
- 可以结合其他技术指标如RSI等更完善的筛选股票的指标。
最终的选股逻辑
选取振幅大于1，KDJ刚形成金叉，昨日主力控盘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;
GCROSS1:CROSS(J,D);
COND2:=REF(GCROSS1,1)=0 AND GCROSS1=1;
// 昨日主力控盘：主力净流入>0
COND3:=IF(NET_AMOUNT>0,1,0);
// 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","主力净流入":"net_amount","名称":"name"}, 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()
# 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
kdj_cond = (j[-1] > d[-1]) & (j[-2] < d[-2])
# 主力控盘
cond3 = df.iloc[-2]['net_amount'] > 0
# 振幅
cond1 = (df['high'] - df['low']) / df['low'] > 0.01
# 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。
