问财量化选股策略逻辑
选择振幅大于1、股票均价站在五日均线之上、2019年分红比例大于25%的股票进行选股。
选股逻辑分析
振幅大于1表示股票价格较为波动，较适合进行短线操作；股票均价站在五日均线之上表示股价处于上涨趋势，有一定的增长潜力；2019年分红比例大于25%表示该公司盈利相对稳定，有利于投资者获取相应的分红收益。
该选股策略主要关注股价上涨潜力、公司盈利能力及相应的投资收益，并结合振幅来进行短线操作，较为实用。
有何风险？
在只关注某一年份的分红比例时，可能存在特殊情况或者偶然事件导致分红比例异常高，无法反映公司未来的实际盈利情况。
同时，该选股策略忽略了公司的其他财务指标，如净利润、营收等，容易造成筛选出的公司在长期内不具备良好的投资价值。
如何优化？
需要加入更多元素进行优化。比如，结合相对估值、行业前景和成长性等因素，筛选未来表现稳健、成长性较好的股票。
同时，考虑分红的稳定性和历史表现，在多年份及其它财务指标的基础上，筛选出长期稳定且有潜在增长性的公司，提高选股收益及其可操作性。
最终的选股逻辑
选择振幅大于1、股票均价站在五日均线之上、2019年分红比例大于25%的股票，并结合相对估值、行业前景和成长性等因素进行筛选，挑选长期稳定且有前景的公司，从而实现较好的投资收益。
同花顺指标公式代码参考
// 挑选振幅大于1的股票
amplitude = (HIGH - LOW) / REF(CLOSE,1)
amplitude_bool = amplitude >= 1
// 挑选股票均价站在5日均线之上的股票
ma5 = MA(CLOSE, 5)
price_over_ma5 = CLOSE > ma5
// 挑选2019年分红比例大于25%的股票
dividend_rate_2019 = (DIV /CLOSE) * 100
dividend_rate_bool = dividend_rate_2019 >= 25
// 挑选符合条件的股票
result = amplitude_bool & price_over_ma5 & dividend_rate_bool
// 输出筛选结果
result
python代码参考
import tushare as ts
# 获取所有股票的历史分红信息
div_data = ts.profit_data(year=2019)
# 获取所有股票的实时行情信息
all_data = ts.get_today_all()
# 挑选振幅大于1的股票
amplitude = (all_data['high'] - all_data['low']) / all_data['pre_close']
amplitude_bool = amplitude >= 0.01
# 挑选股票均价站在5日均线之上的股票
hist_data = ts.get_hist_data('600519')
ma5 = hist_data['close'].rolling(window=5).mean()
price_over_ma5 = hist_data['close'].iloc[-1] > ma5.iloc[-1]
# 挑选2019年分红比例大于25%的股票
dividend_rate_2019 = div_data['div'].div(all_data['trade']).mul(100)
dividend_rate_bool =dividend_rate_2019 >= 25
# 挑选符合条件的股票
final_result = all_data[(amplitude_bool & price_over_ma5 & dividend_rate_bool).values]
# 输出筛选结果
print(final_result)
注：以上代码仅供参考，具体实现还需要根据实际情况进行适度修改。
## 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。
