问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%之间、归属母公司股东的净利润（同比增长率）大于20%小于等于100%、2019年分红比例大于25%的股票。
选股逻辑分析
该选股策略放弃了对昨日成交额的关注，转而强调公司利润和股息派发，更注重长期价值的挖掘。同时，对于归属净利润的要求也限制了“高送转”等表面操作，筛选出更优质的成长股票。
有何风险？
该选股逻辑仍然较为粗略地关注财务基本面，并没有对公司的行业和市场地位等因素进行较充分的分析，容易受到宏观经济的波动和市场的短期影响。另外，对2019年分红比例的关注也具有一定偶然性，需要结合其他财务指标进行综合判断。
如何优化？
可以通过增加其他财务指标（如roe、eps等）、扩大分红年限、加入行业和市场地位的筛选条件等方式，提高选股策略的准确性和可靠性。
最终的选股逻辑
在选择换手率在3%-12%之间，归属母公司股东净利润（同比增长率）大于20%小于等于100%，2019年分红比例大于25%的股票中，按市值从大到小排序，取前5只股票。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,1,2,3,4); // 记录选股结果
SET_SORT_RULE(1); // 按市值从大到小排序
SET_SORT_ASC(0); // 降序排列
/* 选取换手率在3%-12%之间 */
CONDITION1 = HSL >=3 AND HSL <= 12;
/* 选取归属母公司股东净利润（同比增长率）大于20%小于等于100% */
CONDITION2 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
/* 选取2019年分红比例大于25% */
CONDITION3 = FHDIV >= 0.25;
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3;
CODE_LIST=SELECT_BY_KIND('stock', last_condition);
python代码参考
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_all_stock(day=datetime.now().strftime("%Y-%m-%d"))
stock_list = []
while rs.next():
stock_code = rs.get_row_data()[0]
if stock_code.startswith('sh.688') or stock_code.startswith('sz.300'):
continue
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,tradestatus,pctChg",
start_date=(datetime.now()-timedelta(days=250)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data.error_code == '0' and len(k_data.data)>=250:
check_point1 = k_data.data[-1][5] >= 3 and k_data.data[-1][5] <= 12
data_profit = bs.query_profit_data(stock_code, year=2021, quarter=1)
if data_profit.error_code == '0' and len(data_profit.data)>0:
check_point2 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
else:
continue
data_dividend = bs.query_dividend_data(year=2019, stock_code=stock_code)
if data_dividend.error_code == '0' and len(data_dividend.data)>0:
check_point3 = data_dividend.data[0][3] >= 0.25
else:
continue
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(stock_code)
data_list.append(data_profit.data[0][37])
data_list.append(data_dividend.data[0][3])
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'market_value', 'dividend_ratio'])
df_rank = df.sort_values(by="market_value", ascending=False).iloc[:5]
print(df_rank)
##### 登出系统 #####
bs.logout()
## 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。
