问财量化选股策略逻辑
选股逻辑为：振幅大于1、股价为18.5元、KDJ刚形成金叉的标的。该选股策略旨在寻找波动性较大、股价适中、技术面近期表现较优的标的。
选股逻辑分析
该选股逻辑通过选取振幅大于1、股价为18.5元、并且KDJ刚形成金叉的标的，筛选出近期表现较优的标的。通过技术分析的方式，可以寻找到一些技术支撑较强、且具有较大上涨空间的标的。
有何风险？
该选股策略中依赖于技术分析，但是技术分析并非完全确定的。技术分析的结果可能存在误判或者滞后性。同时，只使用一个技术指标进行筛选往往会带来一些盲区和选股错误。
如何优化？
可以结合多个技术指标进行筛选，如MACD、均线等多个技术指标配合使用，以减少误判和盲区。将短期均线、长期均线等指标加入到选股策略中，大大提高选股策略的准确性。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、KDJ刚形成金叉的标的，同时加入多个技术指标的综合分析，寻找有利价值的标的。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH - LOW) / HIGH > 0.01
# 股价为18.5元
SELECT2 = CLOSE == 18.5
# KDJ刚形成金叉
SELECT3 = ((REF(KDJ(9,3,3) < 20, 1) AND KDJ(9,3,3) > 20) AND (REF(KDJ(9,3,3) < 50, 1) AND KDJ(9,3,3) > 50) AND (REF(KDJ(9,3,3) < 80, 1) AND KDJ(9,3,3) > 80))
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '成交额'
SORT_ASCEND = False
以上为计算选股逻辑的同花顺指标公式。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.daily(trade_date='20220101')
# 进行选股
selected_stocks = []
for idx, row in stock_data.iterrows():
# 判断筛选条件
if (row['high'] - row['low']) / row['high'] <= 0.01 or row['close'] != 18.5 or not is_kdj_golden_cross(row['ts_code'], pro):
continue
# 根据筛选条件选取标的
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
# 可添加其他指标
selected_stocks.append(selected_data)
# 按成交额从高到低排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)
return selected_stocks_sorted
def is_kdj_golden_cross(stock_code, pro):
# 判断股票是否刚形成KDJ金叉
df = pro.daily(ts_code=stock_code, start_date=last_trade_day(30), end_date=last_trade_day(1))
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)
if k[-1] > d[-1] and k[-2] <= d[-2]:
return True
else:
return False
def last_trade_day(n=0):
# 获取n个交易日之前的日期
cal_dates = get_trading_calendar()
loc = cal_dates.index(pd.Timestamp.today().strftime('%Y-%m-%d'))
if loc < n:
return cal_dates[0].strftime('%Y%m%d')
else:
return cal_dates[loc - n].strftime('%Y%m%d')
def get_trading_calendar():
# 获取交易日历
ts.set_token('Your Token')
pro = ts.pro_api()
cal_data = pro.trade_cal(exchange='', start_date='20200101', end_date='20221231')
cal_data = cal_data[cal_data.is_open == 1]
cal_dates = pd.to_datetime(cal_data.cal_date)
return cal_dates.tolist()
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、KDJ刚形成金叉的标的，同时加入多个技术指标的综合分析，寻找有利价值的标的。可根据实际需求进行修改。
## 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。
