(supermind)振幅大于1、昨天3连板、KDJ刚形成金叉

问财量化选股策略逻辑

选股逻辑：振幅大于1，昨天3连板，KDJ刚形成金叉。

选股逻辑分析

该选股逻辑考虑了以下几个因素：

振幅大于1以过滤市场波动过于平缓的标的；
昨天3连板表明市场对该标的的买入态势明显；
KDJ金叉代表短期买入信号的触发。

有何风险？

该选股逻辑存在以下风险：

振幅界定的不明确可能导致标的漏选或误选；
KDJ指标并不能完全准确地预测市场走势；
只考虑了短期市场买入信号，容易忽略中长期趋势的影响。

如何优化？

为了优化该选股逻辑的准确性，可以考虑以下几点：

对振幅进行更加细致的界定，减少漏选或误选;
结合多种指标和数据分析市场的中长期趋势和波动特征；
根据不同市场阶段使用不同的技术指标，结合基本面分析等进行综合筛选。

最终的选股逻辑

改进后的选股逻辑如下：

振幅大于1.5%；
昨天3连板；
KDJ金叉且K值小于80。

同花顺指标公式代码参考

该选股逻辑的通达信指标公式如下：

FILTER(
ABS((HIGH-LOW)/REF(CLOSE,1))>=0.015 AND
COUNT(CLOSE==REF(CLOSE,1),3)==3 AND
KDJ(J=9, DAYSLOW=3, DAYSHIGH=3).J.CROSS(KDJ(J=9, DAYSLOW=3, DAYSHIGH=3).K) AND
KDJ(J=9, DAYSLOW=3, DAYSHIGH=3).K < 80
, 0)

其中，KDJ指标的参数为J=9, DAYSLOW=3, DAYSHIGH=3。

python代码参考

import pandas as pd
from tqsdk import TqApi, TqAuth, TargetPosTask

api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))

symbol_list = ["SHFE.rb2101", "DCE.i2101"]
for symbol in symbol_list:
    klines = api.get_kline_serial(symbol, 24 * 60 * 60, data_length=500)
    df = pd.DataFrame(klines)

    # 其他指标
    C1 = (df['close'].max() / df['close'].min() - 1 >= 0.015)
    C2 = ((df['close'] == df['close'].shift())
          & (df['close'] == df['close'].shift(2))
          & (df['close'] != df['close'].shift(3)))
    C3 = (df['close'].rolling(window=9).mean() > df['close'].rolling(window=3).mean())
    C4 = (df['close'].rolling(window=9).mean().shift() <= df['close'].rolling(window=3).mean().shift())
    C5 = (df['close'].rolling(window=9).mean().rolling(window=3).mean().shift() > df['close'].rolling(window=3).mean().shift())

    # 总筛选
    selector = C1 & C2 & C3 & C4 & C5
    result = df[selector == 1].sort_values(by='amount', ascending=False).index.tolist()

    ## 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)

(supermind)振幅大于1、昨天3连板、KDJ刚形成金叉_