(supermind)振幅大于1、KDJ刚形成金叉、饮料酒进出口_

问财量化选股策略逻辑

选取振幅大于1、KDJ刚形成金叉、饮料酒进出口为投资组合。

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. 饮料酒进出口指标可以反映该行业的发展情况，进口增加，行业前景看好，股票有上涨潜力；
4. 综合以上因素选取标的，可以提高买入的成功率，控制投资风险。

有何风险？

1. 只考虑了部分技术指标和一个行业因素，忽略了公司的具体业务情况，存在一定投资风险；
2. 行业趋势的变化可能会影响行业内个股的表现，需要注意行业处于周期的哪个位置；
3. 技术分析并不能完全代替投资分析，需要综合考虑多方面因素，进行投资决策。

如何优化？

1. 引入其他技术指标，如MACD、RSI等，提高选股策略的准确度；
2. 对行业的多个指标进行综合考量，增加选股策略的全面性；
3. 加大风险控制力度，避免因为技术分析判断失误或行业变化而导致的投资损失。

最终的选股逻辑

选取振幅大于1、KDJ刚形成金叉、饮料酒进出口为投资组合。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// KDJ
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;
// 行业进出口
COND3:=CROSS(MA(EXPMEMA((MA(VOL*IF(HSGT,AVGPRICE,CLOSE),5)+MA(VOL*IF(HSGT,AVGPRICE,CLOSE),10)+MA(VOL*IF(HSGT,AVGPRICE,CLOSE),20)),13),EXPMA(EXPMEMA((MA(VOL,5)+MA(VOL,10)+MA(VOL,20)),13),5)),MA(VOL,5))=1;
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL: CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd
import talib
import akshare as ak

def get_trade_data(stock_code):
    stock_history_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="qfq")
    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.reset_index(drop=True, inplace=True)
    return stock_history_df

def select(df):
    # 振幅
    cond1 = (df['high'] - df['low']) / df['low'] > 0.01
    # KDJ
    k, d, j = talib.STOCH(df['high'].values, df['low'].values, df['close'].values, fastk_period=9,slowk_period=3,slowk_matype=0,slowd_period=3,slowd_matype=0)
    cond2 = (j[-1] > d[-1]) & (j[-2] < d[-2])
    # 饮料酒进出口
    yinliao_df = ak.china_macro_liquor_import_export()
    yinliao_df["日期"] = pd.to_datetime(yinliao_df["日期"]).map(lambda x: x.strftime('%Y-%m-%d'))
    yinliao_df.set_index("日期", inplace=True)
    cond3 = yinliao_df["瓶/升出口总额同比增长率"].iloc[-1] > 0
    # 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)