问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，按今日竞价金额排序前5的股票中，选择2019分红比例大于25%的股票。然后对选出的股票进行投资操作。
选股逻辑分析
该选股策略主要考虑了股票的市场表现、资产收益和分红情况。通过选择今日竞价金额排序前5的股票，可以从市场表现优异的股票中进行选择。同时，通过筛选2019分红比例大于25%的股票，可以反映公司资产收益情况和管理层的分红政策，进一步筛选市场表现良好、资产增长能力强且管理层有分红意愿的股票。最终，可以通过考虑元宇宙行业的走势，进一步增加股票的收益概率。
有何风险？
该选股策略可能存在以下风险：
- 过于关注公司的分红情况，可能忽略了公司的长期增长能力。
- 分红数据可能存在误差或被操纵，选股效果可能存在偏差。
- 行业走势变化往往与整个市场热点和行情密切相关，因此挑选行业股票时需要注意市场整体风险。
如何优化？
为了优化该选股策略，可以考虑以下方法：
- 除了分红比例，还可以考虑其他资产收益和分配情况，以及公司的财务状况和长期业绩，进行全面衡量选股。
- 加入对分红操作和财务数据的审核机制，减少信息误差或操纵，提高选股效果。
- 进一步考虑市场整体风险，并加入风控机制，在合适的时候及时调整股票配置。
最终的选股逻辑
为了完善该选股策略，以下是我们提出的一份更加完善的选股逻辑：
在元宇宙行业中，挑选今日竞价金额排序前5的股票，并选择2019分红比例大于25% 的股票进行投资操作。选股条件为：
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：元宇宙
- 竞价金额排序：ORDLST(1, "JBJG")
- 2019年分红比例：PD_FIN_INDICATOR2(ann_date1="20200101",ann_date2="20201231",
fields="ann_date,end_date,div_proc,stk_div",
flag='1',mkt='SH,SZ',
report_type='1,2,3,4,5,6,7,8') - 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
PD_FIN_INDICATOR2(ann_date1="20200101",ann_date2="20201231",
fields="ann_date,end_date,div_proc,stk_div",
flag='1',mkt='SH,SZ',
report_type='1,2,3,4,5,6,7,8')
['stk_div'] >= 25
同花顺指标公式代码参考
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：INDUSTRY.industry == "元宇宙"
- 竞价金额排序：ORDLST(1, "JBJG")
- 2019年分红比例：PD_FIN_INDICATOR2(ann_date1="20200101",ann_date2="20201231",
fields="ann_date,end_date,div_proc,stk_div",
flag='1',mkt='SH,SZ',
report_type='1,2,3,4,5,6,7,8') - 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
PD_FIN_INDICATOR2(ann_date1="20200101",ann_date2="20201231",
fields="ann_date,end_date,div_proc,stk_div",
flag='1',mkt='SH,SZ',
report_type='1,2,3,4,5,6,7,8')
['stk_div'] >= 25
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb, circ_mktcap')
df = df[(df['industry'].str.contains(industry))]
company_list = list(df['ts_code'])
indicator_data = pro.fina_indicator(ts_code=company_list,start_date='20190101', end_date='20191231', \
fields='ts_code,ann_date,end_date,div_proc,stk_div')
for_filter = indicator_data[indicator_data['stk_div'] >= 25]
ts_codes = for_filter.ts_code.unique().tolist()
filtered = df[df['ts_code'].isin(ts_codes)][['ts_code', 'name']]
result = filtered.sort_values(by='circ_mktcap', ascending=False).head(5)
return result
industry = '元宇宙'
df = stock_selector(industry)
print(df)
以上python代码将返回选出的行业为“元宇宙”，今日竞价金额排序前5，2019分红比例大于25%的股票信息。
## 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。
