问财量化选股策略逻辑
选股逻辑包括三个条件：选取元宇宙行业的股票、机构动向大于0，2019年股票分红比例超过25%。根据这些条件进行选股，进行投资。
选股逻辑分析
该选股策略主要考虑以下三个条件进行选股：
- 选取元宇宙行业中市值较小，潜力较大的股票；
- 机构动向具有一定预测性和引导作用，选股策略容易捕捉机构动向；
- 2019年分红比例超过25%可以反映公司的盈利能力、现金流水平和股东回报能力。
综合以上条件，选择符合条件的个股进行投资。
有何风险？
- 元宇宙行业尚处于发展初期，其股票走势不稳定；
- 机构动向具有滞后性，选股策略容易出现误判；
- 短期内分红比例提高，但长期来看公司发展前景和潜力不足；
- 单一指标筛选较为简单，容易忽略其他重要的影响因素。
如何优化？
- 增加对股票财务、经营等方面的评估，以综合评估整个股票的价值；
- 结合其他技术分析指标和基本面分析指标来筛选股票，进行多维度综合评估；
- 加入止盈及止损的风控策略，提高选股策略的风险管理能力。
最终的选股逻辑
该选股策略选择元宇宙行业中机构动向大于0且2019分红比例超过25%的个股进行投资。
同花顺指标公式代码参考
元宇宙行业：GNBK("gnxq")
机构动向：DRS_M("zlltgtzb")
2019分红比例大于25%：-DATA-SF2:P2+DATA-SF2:P3+DATA-SF2:P4+DATA-SF2:P5 >= 0.25
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
t = pro.trade_cal(start_date='20190101')
trade_dates = t[t['is_open'] == 1]['cal_date'].tolist()
data_all = pd.DataFrame()
for trade_date in trade_dates:
data = pro.query('stock_basic', exchange='', is_hs='H')
data = data[data['name'].str.contains('元宇宙')]
data_inst = pro.moneyflow(ts_code=data['ts_code'].tolist(), start_date=trade_date, end_date=trade_date, fields='ts_code,hgt,mrghgt,lczczk')
data_inst = data_inst.loc[data_inst['hgt'] > 0, ['ts_code', 'hgt', 'mrghgt', 'lczczk']]
data_inst['is_inst_buy'] = data_inst['hgt'] > data_inst['mrghgt']
data_inst = data_inst.loc[data_inst['is_inst_buy'] == True, ['ts_code']]
profit = pro.profit_distrib(ts_code=data_inst['ts_code'].tolist(), anno_date='20191231', fields='ts_code,end_date,div_proc,stk_div')
profit['is_high_div'] = profit['div_proc'] + profit['stk_div'] > 0.25
profit = profit.loc[profit['is_high_div'] == True, ['ts_code']]
data_all = pd.concat([data_all, profit])
return data_all
## 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。
