(同花顺量化)2019分红比例＞25%_、60开头的股票、至少5根均线重合的股票

问财量化选股策略逻辑

在问财量化中，我们可以使用以下三个策略来筛选股票：

1. 至少5根均线重合的股票
2. 60开头的股票
3. 2019分红比例＞25%

选股逻辑分析

以上三个策略的目的是筛选出具有稳定性和高分红潜力的股票。首先，均线重合的股票通常表示市场趋势稳定，因为不同周期的均线代表了不同的时间周期的投资者对股票价格的预测。其次，选择60开头的股票可以排除掉一些小盘股，这些股票通常波动较大，不具有长期投资价值。最后，选择2019分红比例＞25%的股票可以筛选出那些具有高分红潜力的公司，这些公司通常经营稳定，财务状况良好。

有何风险？

以上三个策略虽然可以筛选出一些具有潜力的股票，但是也存在一定的风险。首先，均线重合的股票可能代表市场趋势稳定，但也可能代表市场缺乏活力，股票价格波动较小。其次，选择60开头的股票可以排除掉一些小盘股，但是也可能会错过一些有潜力的小盘股。最后，选择2019分红比例＞25%的股票可以筛选出一些高分红潜力的公司，但是也可能会存在一些财务状况不佳的公司。

如何优化？

为了优化以上策略，我们可以考虑以下几点：

1. 将策略组合起来，例如将均线重合的股票和分红比例高的股票结合起来，可以筛选出更具有潜力的股票。
2. 使用更多的数据来筛选股票，例如使用市盈率、市净率等指标来筛选股票。
3. 考虑使用量化交易策略来优化策略，例如使用趋势跟踪策略、均值回归策略等。

最终的选股逻辑

以下是我们最终的选股逻辑：

1. 选择5根均线重合的股票，包括5日、10日、20日、50日和200日均线。
2. 选择60开头的股票。
3. 选择2019分红比例＞25%的股票。
4. 将以上三个策略组合起来，选择同时满足以上三个条件的股票。

以下是我们的python代码参考：

import talib

def get_stock_data(symbol):
    # 获取股票数据
    data = yf.download(symbol, start='2020-01-01', end='2021-12-31')
    # 计算均线
    ma5 = talib.MA(data['close'], timeperiod=5)
    ma10 = talib.MA(data['close'], timeperiod=10)
    ma20 = talib.MA(data['close'], timeperiod=20)
    ma50 = talib.MA(data['close'], timeperiod=50)
    ma200 = talib.MA(data['close'], timeperiod=200)
    # 统计均线重合股票
    ma_count = 0
    for i in range(5, 21):
        if ma5[i] == ma10[i] == ma20[i] == ma50[i] == ma200[i]:
            ma_count += 1
    # 统计60开头股票
    is_60开头 = (data['symbol'].str.startswith('60') == True)
    # 统计2019分红比例
    is_dividend = (data['dividend'] > 0)
    # 选择同时满足以上三个条件的股票
    selected_stocks = data[(ma_count > 0) & is_60开头 & is_dividend]
    return selected_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。