问财量化选股策略逻辑
选股逻辑：MACD零轴以上、DEA上涨，并且2019分红比例大于25%。选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为 ## 选股逻辑分析 的段落），有什么风险？（放入标题为 ## 有何风险？ 的段落）如何优化？（放入标题为 ## 如何优化？ 的段落）并最终给出完善选股逻辑（放入标题为 ## 最终的选股逻辑 的段落），请用Markdown格式。
选股逻辑分析
该选股策略主要基于MACD指标和分红比例进行选股，以MACD零轴以上、DEA上涨的股票作为买入目标，并且加入2019年分红比例大于25%的限制。分红可以体现公司盈利情况和股息收益，有利于股票后期价值的提升。
有何风险？
以下是该选股策略可能存在的一些风险：
- 分红数据不完全可靠：分红数据来源可能不完全可靠，存在数据失真或者不准确的可能；
- 单一指标容易被割裂：该选股策略只考虑了MACD以及分红比例这两个指标，而没有综合考虑其他因素，容易被单一指标所影响。
如何优化？
以下是对该选股策略的一些建议：
- 细化指标设置：应该通过权衡各个因素来综合考虑股票的投资价值；
- 加强筛选条件：设置更多的筛选条件，如市场趋势、基本面因素等，来筛选符合逻辑的股票。
最终的选股逻辑
该选股策略选择MACD零轴以上、DEA上涨，2019年分红比例大于25%的股票作为买入目标。选股结果可以进一步使用其他因素进行筛选和排序。
同花顺指标公式代码参考
- 判断MACD零轴以上、DEA上涨：MACD(12,26,9):DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); DIF>DEA;
- 2019年分红比例大于25%：dividend_ratio_2019/100 > 0.25;
python代码参考
def initialize(context):
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
set_option('avoid_future_data', True)
g.stocks_selected = []
def before_trading_start(context):
g.stocks_selected = select_stock(context)
def handle_data(context, data):
for security in context.portfolio.positions.keys():
if security not in data:
continue
if data[security].close < 0.95 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = g.stocks_selected[:]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/len(buy_list)
)
def select_stock(context):
stock_universe = get_index_stocks('000300.XSHG')
macd_filter = (
lambda security:
indicator.macd.macd[security] > 0 and
indicator.macd.macd[security] - indicator.macd.dea[security] > 0 and
dividend_ratio_2019[security]/100 > 0.25
)
stock_selected = list(filter(macd_filter, stock_universe))
return stock_selected
## 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。
