问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和KDJ（K）增长值作为选股指标，选取结果中涨幅最高的个股作为投资标的。
选股逻辑分析
本选股策略综合运用技术面指标和基本面指标，选取振幅大于1和下午大单净流入可以筛选出活跃的个股。KDJ指标是归纳综合股价趋势和强弱的综合技术指标，选取KDJ（K）增长值可以筛选出股价上涨并有较强动力的个股。
有何风险？
该选股策略存在着市场情况变化和基本面因素等长期投资因素被忽略的风险。同时，该策略将KDJ指标作为选股因素，在某些情况下可能对股票的实际表现产生不可预测的影响，需要谨慎使用。
如何优化？
可以加入更细化的选股因素，如行业热度、财务指标等，进行全面筛选。同时，需要通过对选股策略进行持续优化和修复，以提高其适用性和准确度。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和KDJ（K）增长值作为选股指标，选取结果中涨幅最高的个股作为投资标的。
同花顺指标公式代码参考
振幅大于1: ABS((HIGH-LOW)/PRE_CLOSE) > 0.01
下午大单净流入: C - O > (0.005 * V - MA(V, 3)) / 10000
KDJ（K）增长值: (K - REF(K,1)) / REF(K,1) > 0.05
python代码参考
# 引入Tushare库、Numpy库、Pandas库
import tushare as ts
import numpy as np
import pandas as pd
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
selected_scores = []
# 所有股票
all_stocks = pro.stock_basic(exchange='', list_status='L', fields='ts_code')
for ts_code in all_stocks["ts_code"]:
# 获取股票数据
k_data = pro.klines(ts_code=ts_code, start_date='3 month ago', end_date='today', freq='D')
quote_data = pro.query('daily', ts_code=ts_code, start_date='3 month ago', end_date='today')
k_value = np.array(k_data["kdj_k"])
score = (ABS((k_data["high"] - k_data["low"]) / k_data["pre_close"]) > 0.01).all() and (quote_data["close"] - quote_data["open"] > (0.005 * quote_data["vol"] - MA(quote_data["vol"],3))/10000).all() and (((k_value[-1]-k_value[-2])/k_value[-2])>0.05)
if score:
selected_stocks.append(ts_code)
selected_scores.append(score.sum())
if len(selected_stocks) == n:
break
# 返回涨幅最高的n只股票
sorted_stocks = [x for _, x in sorted(zip(selected_scores,selected_stocks),reverse=True)]
return sorted_stocks
## 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。
