(supermind)振幅大于1、KDJ刚形成金叉、近25个交易日有单日涨幅大于等于百分之

问财量化选股策略逻辑

选取振幅大于1，KDJ刚形成金叉，近25个交易日有单日涨幅大于等于百分之10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. 近25个交易日有单日涨幅大于等于百分之10，预示着该股票具有较强的涨势。

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. 单一指标选股，有可能存在选择偏差，忽略其他重要指标；
3. 近期强势股票，具有一定的短期风险。

如何优化？

1. 加入基本面评估指标，如PE、PB等指标；
2. 综合考虑多个技术指标，如RSI、MACD等指标；
3. 关注资金流向，选取有较大资金流入的股票；
4. 根据市场趋势变化，动态调整选股策略；
5. 定期更新选股条件，确保选股策略的有效性。

最终的选股逻辑

选取振幅大于1，KDJ刚形成金叉，近25个交易日有单日涨幅大于等于百分之10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;
// 近25个交易日有单日涨幅大于等于百分之10
COND3:=(HIGH-REF(LOW, 1))/REF(LOW, 1)>0.10;
// 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"}, 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])
    # 近25个交易日有单日涨幅大于等于百分之10
    cond3 = ((df['high'] - df['low'].shift(1)) / df['low'].shift(1)) >= 0.10
    cond3 = cond3[-25:].any()
    # 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)