【邢不行|量化小讲堂系列07-Python量化入门】历史数据告诉你：KDJ指标选股有效吗？
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了【邢不行|量化小讲堂系列07-Python量化入门】历史数据告诉你：KDJ指标选股有效吗？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3018字，纯文字阅读大概需要5分钟。
内容图文
引言:
邢不行的系列帖子“量化小讲堂”，通过实际案例教初学者使用python进行量化投资，了解行业研究方向，希望能对大家有帮助。
【历史文章汇总】请点击此处
【必读文章】EOS期现套利，一周时间，15%无风险收益
个人微信：xingbuxing0807，有问题欢迎交流。
文中用到的A股数据可在www.yucezhe.com下载，这里可以下载到所有股票、从上市日起的交易数据、财务数据、分钟数据、分笔数据、逐笔数据等。
历史数据告诉你：KDJ指标选股有效吗？
—策略简介—
KDJ指标是最常用的技术指标之一，它的作用是判断股票未来短期的走势。很多书店里卖的炒股类书籍都会推荐这个指标，并认为KDJ指标低位金叉是一个非常好的买点，还会给出几个很漂亮的K线图形来印证他们的观点。少数的几个例子不能让人信服，KDJ指标低位金叉选股效果到底好不好，一定要用大样本说话。
本篇文章将找出历史上所有股票的全部低位金叉情况，并且统计这些股票在金叉之后若干个交易日内的涨幅，看是否有显著的正收益。
通过这个案例将着重向大家介绍pandas的如下功能：
- 使用pandas导入股票数据
- 如何计算KDJ指标
- 如何计算KDJ指标金叉
- shift()函数的用法
- append()函数的用法
—程序—
需要找出历史上所有股票的全部低位金叉情况，那么首先必须要有股票的历史日线交易数据，从这个网站 可以下载到所有股票的历史日线数据，可以作为我们计算的原始数据。数据下载下来是下图这个样子：
每个股票一个csv文件
每一行是每一天的数据
这个日线数据有以下的字段：
【code】 股票的代码，上证股票以sh开头，深证股票以sz开头
【date】 交易日期
【open】 开盘价
【high】 最高价
【low】 最低价
【close】 收盘价
【change】 涨跌幅，复权之后的真实涨跌幅，保证准确
【volume】 成交量
【money】 成交额
【traded_market_value】 流通市值
【market_value】 总市值
【turnover】 换手率，成交量/流通股本
【adjust_price】 后复权价，复权开始时间为股票上市日，精确到小数点后10位
【report_type】 最近一期财务报告的类型，3-31对应一季报，6-30对应半年报，9-30对应三季报，12-31对应年报
【report_date】 最近一期财务报告实际发布的日期
【PE_TTM】 最近12个月市盈率，股价 / 最近12个月归属母公司的每股收益TTM
【PS_TTM】 最近12个月市销率， 股价 / 最近12个月每股营业收入
【PC_TTM】 最近12个月市现率， 股价 / 最近12个月每股经营现金流
【PB】 市净率，股价 / 最近期财报每股净资产
有了原始数据之后就是代码，下面是代码的截图，里面有详细的注释，有问题可以留言，需要代码可以加我微信xingbuxing0807索要。
把数据下载下来，直接运行代码，就可以看到输出的结果了。这里就不贴出KDJ选股具体的效果了，这样大家可能更有动力钻研下程序吧~
反正总体选股效果不大好，在总过出现的51万次KDJ金叉状况下，接下来股票会上涨的概率是50%左右。
思考题：
本程序其实是挑出了所有KDJ金叉的股票，并不是低位KDJ金叉。有人认为低位KDJ金叉效果更好，例如D值小于20时的金叉。在现有程序上进行小小的改动就可以挑选出低位KDJ金叉的股票，大家感兴趣可以看看选股效果怎么样，说实话具体怎么样我也没有试过。
对本文研究有自己的想法的朋友，欢迎在评论区留言。关于文中的代码、数据，以及下期《量化小讲堂》想了解的内容，也可以加我个人微信xingbuxing0807交流。
如果你想入门量化，但是始终找不到方向，可以加入我的知识星球。我会在里面解答你的问题，分享我的感悟，不论是投资、技术，还是职业选择、思维方式。
-- 学习和成长从来都不是一个人的事 --
内容总结
以上是互联网集市为您收集整理的【邢不行|量化小讲堂系列07-Python量化入门】历史数据告诉你：KDJ指标选股有效吗？全部内容，希望文章能够帮你解决【邢不行|量化小讲堂系列07-Python量化入门】历史数据告诉你：KDJ指标选股有效吗？所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。