问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MA5金叉MA10、2019年分红比例大于25% 的股票。通过技术面和基本面指标来筛选股票。
选股逻辑分析
本选股策略采用了技术面和基本面指标来筛选股票。振幅大于1和周线MA5金叉MA10的选股条件是技术面指标，可以筛选出技术面良好的股票。2019年分红比例大于25%的条件是基本面指标，可以筛选出分红能力较强的股票。本选股逻辑综合考虑了技术面和基本面两个方面，选股逻辑相对全面。
有何风险？
分红比例高并不代表公司业绩好，可能是因为公司经营现金流较好而将部分现金分配给股东，而技术面指标也不能完全代表公司未来业绩表现。同时，本选股策略对2019年分红比例进行筛选，忽略了企业近期的经营状况。
如何优化？
可以引入更多的基本面指标，如盈利能力、估值水平、成长性等，以更全面地分析公司的实际情况。也可以通过考虑不同时间段的分红比例、股权结构等因素来更准确地评估分红能力。可以结合机器学习等方法，对选股逻辑进行改进和优化。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10、2019年分红比例大于25%的股票。在实际使用中，可以根据市场情况和自己的实际需求对选股逻辑进行调整和优化。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 分红公式:
- dividend_ratio_2019 = DIVIDEND_2019 / CLOSE
- 满足条件公式：
- condition = (amplitude > 0.01) & (ma5 > ma10) & (dividend_ratio_2019 > 0.25)
python代码参考
import tushare as ts
PRO = ts.pro_api('your_token')
def select_stocks(n):
selected_stocks = []
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date='20220525', fields='ts_code,trade_date,open,high,low,close,amount,pre_close,vol')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['pre_close']
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
res = PRO.dividend(ts_code=code, fields='ann_date,end_date,div_proc,stk_div')
dividend_ratio_2019 = res[res['end_date'].str.startswith('2019')]['stk_div'].sum() / df['close'].iloc[-1]
condition = (amplitude > 0.01) & (ma5 > ma10) & (dividend_ratio_2019 > 0.25)
if condition:
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
