(supermind量化策略)换手率3%-12%、反包、2019分红比例＞25%

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%、反包的股票中，筛选出2019年分红比例大于25%的股票。

选股逻辑分析

该选股策略旨在寻找具备一定市场活跃度的、且具备较高的投资回报率的股票。筛选的逻辑也比较简单易懂，利用了换手率和反包，同时将股票业绩作为筛选依据，增强选出优质股票的可能性。

有何风险？

该选股方式忽略了基本面和技术面的考虑，因此在股票行情剧烈波动时，可能存在误判的风险。此外，单一因素选择可能无法充分衡量股票的价值，使得选出的股票品质存在一定的不稳定性。

如何优化？

可以引入股票财务指标和技术指标，比如股票未来增长性、市盈率、资产负债率等，综合考虑选股。

最终的选股逻辑

选股条件为：在换手率3%-12%、反包的股票中，筛选出2019年分红比例大于25%的股票。

同花顺指标公式代码参考

选股条件：turnover_rate>=3 AND turnover_rate<=12
            AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
            "sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
            "lg", "sm", "b")) > 0
            AND ROEDiluted2019 > 0.25
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12
              AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
              "sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
              "lg", "sm", "b")) > 0
              AND ROEDiluted2019 > 0.25', 80)

Python代码参考

import tushare as ts
import pandas as pd

ts.set_token('your_token')
pro = ts.pro_api()

# 筛选好股票函数
def select_good_stocks():
    # 换手率3%-12%
    df1 = pro.daily_basic(ts_code='', trade_date='20220110',
                           fields='ts_code,trade_date,turnover_rate')
    df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]

    # 反包策略
    df2 = pro.daily(ts_code='', trade_date='20220110',
                     fields='ts_code,trade_date,low,high,pre_close')
    df2['AT'] = df2['high'] - df2['low']
    df2['ST'] = abs(df2['pre_close'] - df2['low'])
    df2['BT'] = abs(df2['pre_close'] - df2['high'])
    df2['RCT1'] = df2['ST'] / df2['AT']
    df2['RCT2'] = df2['BT'] / df2['AT']
    df2['RC'] = df2[['RCT1', 'RCT2']].min(axis=1)
    df3 = df2[df2['trade_date'] == '20220110']
    good_stocks = df3[df3['RC'] <= 0.2]['ts_code']

    # 2019年分红比例大于25%
    df4 = pro.dividend(ts_code='', end_date='20191231',
                       fields='ts_code,div_proc')
    df4['div_proc'] = df4['div_proc'].apply(lambda x: float(x[:-1]))
    good_stocks = good_stocks[good_stocks.isin(df4[df4['div_proc'] > 25]['ts_code'])]

    # 非ST股票
    good_stocks = good_stocks[~good_stocks.str.contains('ST')]

    # 加入其他指标
    good_stocks = pd.merge(good_stocks.to_frame(),
                           pro.daily_basic(ts_code='', trade_date='20220110',
                                            fields='ts_code,close,pe,pb,total_mv,
                                                    float_mv,turnover_rate,roe_diluted'),
                           on='ts_code', how='inner')
    return good_stocks

good_stocks = select_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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind量化策略)换手率3%-12%、反包、2019分红比例＞25%_