问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%,剔除北京A股的基础上，选择2019年分红比例大于25%的股票进行选股。
选股逻辑分析
该选股逻辑的重点是挖掘2019年分红比例高的潜在股票，以获取更高的收益。高分红股票意味着公司分红能力强，业绩稳健持续增长，具有较高的价值投资潜力。同时，剔除北京A股也是一个为了降低市场风险的策略，这样可以筛选出更具有投资价值的股票。
有何风险？
该选股逻辑的风险包括：1. 过度依赖单一因素，可能会忽略其他重要的市场因素；2. 风格偏好较狭窄，可能会剔除了一些潜在的高成长股票，从而影响长期收益。
如何优化？
-
结合其他市场指标
可以将选择2019年分红比例大于25%的股票与其他市场参考因素进行结合，比如市盈率、市净率等等，以获取更全面的股票信息，有助于更好地挖掘出潜在投资价值的股票。 -
动态设置选股条件
可以根据不同市场情况，动态设置选股条件，比如根据板块或行业进行选股，以实现更精准的选股。
最终的选股逻辑
在换手率3%-12%,剔除北京A股的基础上，选择2019年分红比例大于25%的股票进行选股。
同花顺指标公式代码参考
选股逻辑中需要用到2019年分红比例大于25%的指标，通达信中的指标为：year_divi/total_revenue>0.25。
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
trade_cal = pro.trade_cal(exchange='', start_date='20210201', end_date='20210228', fields='cal_date,is_open')
trade_date = trade_cal[trade_cal.is_open == 1].iloc[-1].cal_date
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry')
stock_list = stock_list[stock_list['name'].str.contains('ST') == False]
good_stocks = []
for ts_code in stock_list['ts_code']:
fin_indicator = pro.fina_indicator(ts_code=ts_code, start_date='20190101', end_date='20191231')
if fin_indicator.empty:
continue
if fin_indicator.iloc[0]['div_yield'] > 0.25:
good_stocks.append([ts_code, stock_list[stock_list.ts_code == ts_code].iloc[0].name, stock_list[stock_list.ts_code == ts_code].iloc[0].industry])
good_stocks = pd.DataFrame(good_stocks, columns=['ts_code', 'name', 'industry'])
return good_stocks
good_stocks = get_good_stocks()
print(good_stocks)
## 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。
