问财量化选股策略逻辑
该选股策略包含元素“元宇宙”、“竞价主力净买大于0”和“2019分红比例＞25%”。
选股逻辑分析
该选股策略主要考虑市场热点、资金流向、股东回报等因素，筛选出符合条件、具有投资潜力的股票，具体逻辑如下：
- 元宇宙：选择当前热门板块中的个股进行筛选；
- 竞价主力净买：根据个股的竞价流入流出情况，筛选竞价主力净买大于0的股票；
- 2019分红比例＞25%：筛选2019分红比例＞25%的股票，以保证股票基本面优良，具有较高的股东回报。
综合这些因素，筛选出符合条件的股票，以期获得较好的投资收益。
有何风险？
- 数据风险：该策略基于市场行情和历史数据，存在数据风险；
- 风险控制不足：可能存在高风险股票或其他类型股票的选择；
- 分红并不代表股票投资价值，其他基本面因素也需要综合考虑。
如何优化？
- 加强风险控制：对各类风险因素进行更加精准的识别和控制，以避免投资损失；
- 加强数据分析：使用更加完善的数据分析算法，提高选股的准确性和可靠性；
- 综合多种基本面因素：在分红比例作为选股因素的基础上，综合考虑其他基本面因素，以更加全面地评价股票的投资价值。
最终的选股逻辑
从市场热点板块、资金流向、股东回报等多方面角度出发，筛选符合条件的、具有投资潜力的个股，即满足元宇宙投资方向，竞价主力净买大于0，2019分红比例＞25%。同时，加强对风险因素的识别和控制，提高选股的准确性和风险控制能力。
同花顺指标公式代码参考
元宇宙：GNBK("gnxq")
竞价主力净买：(VOL - 3 - 5 + 1) * 50 / 10000
2019年分红比例：BFRG_17 / SSPJ_601
Python代码参考
import pandas as pd
import tushare as ts
from datetime import datetime
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
# 获取符合条件的所有股票的代码
data = pro.query('stock_basic',
fields=['ts_code','name','industry','concept_name', 'list_date','st_flag', 'dividend_yield'],
where={'market':'SSE','list_status':'L','is_hs':'N'})
data['last_div_yield'] = data.groupby('ts_code')['dividend_yield'].apply(lambda x: x.iloc[-1])
data = data[(data['gnxq'].str.contains('元宇宙')) & (data.groupby('ts_code')['jb'].apply(lambda x: x.iloc[-1]>0).fillna(False)) & (data['last_div_yield']>0.25)]
selected = data.head(5)
return selected
## 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。
