(supermind)振幅大于1、昨天3连板、kdj（k）增长值

问财量化选股策略逻辑

选股逻辑：振幅大于1、昨天有3连板、KDJ（K）增长值。

选股逻辑分析

该选股策略依据股票的技术面、市值等方面进行筛选，通过振幅、连板情况和KDJ（K）指标的增长值，筛选出价格波动较大、股价具有一定持续性的个股。KDJ指标可以从侧面反映出股价的趋势，因此可以作为技术分析的指标之一。该策略相对较为稳健，但由于未考虑公司基本面的数据，增加了一定的不确定性。

有何风险？

以下是该选股策略的存在的风险：

KDJ指标的不准确可能会导致选股失误；
不考虑基本面数据可能造成业绩不佳的公司被选中；
市场波动较大，发生黑天鹅事件或广泛调整可能会对整个市场产生影响，看好的股票价格也会下跌。

如何优化？

为了降低风险，我们可考虑以下优化：

在选股策略中加入基本面数据，以更全面的视角进行股票筛选；
除了使用KDJ指标，可以结合其他技术指标共同使用，减少单点失误的概率；
通过合理设定止盈止损点，进行风险管理，避免损失过大。

最终的选股逻辑

改进后的选股逻辑如下：

挑选振幅大于1，昨天有3连板的股票；
在连板范围内，优先选择KDJ（K）指标增长值较大的股票；
在考虑增长值情况下，优先选择市场中的蓝筹股。

同花顺指标公式代码参考

以下是KDJ指标的同花顺代码，其中T0为周期，N为平滑参数：

RSV:SMA(MAX(HIGH-LOW,0),T0,1)/(SMA(MAX(HIGH-LOW,0),T0,1)+SMA(MAX(REF(CLOSE,1)-HIGH,T0),T0,1))*100;
K:SMA(RSV,N,1);
D:SMA(K,N,1);
J:3*K-2*D;

python代码参考

import pandas as pd
from tqsdk import TqApi, TqAuth

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

klines = api.get_kline_serial("SHFE.rb2101", 15 * 60, data_length=300) # 取得 df 数据
df = pd.DataFrame(klines)

C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['close'].apply(lambda x: (x.shift(1) > x.shift(2)) & \
                                                             (x.shift(2) > x.shift(3)) & \
                                                             (x.shift(3) > x.shift(4))).astype(int)
C3 = (df['kdj_k'].diff() > 0)
selector = (C1 & C2 & C3).astype(int)
result = df[selector == 1].sort_values('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（k）增长值_