问财量化选股策略逻辑
选股逻辑为：RSI小于65、MACD零轴以上、2019年分红比例大于25%。该选股策略综合考虑技术面和基本面，选出具有良好基本面和市场机会的标的。
选股逻辑分析
该选股策略基于以下因素：
- RSI指标反映市场情绪，RSI小于65表示市场情绪相对平稳；
- MACD指标反映市场走势，MACD零轴以上意味着市场可能处于上涨或整理阶段；
- 选取分红比例大于25%的标的，可筛选出良好的基本面股票；
- 该选股策略综合考虑技术面和基本面，选出具有良好基本面和市场机会的标的。
有何风险？
该选股策略可能存在以下风险：
- 分红比例选股可能会过于依赖历史数据，存在潜在风险；
- RS指标和MACD指标存在盲区的可能，可能存在漏网之鱼；
- 可能存在一些公司的基本面较好，但技术面较弱。
如何优化？
为了提高该选股策略的准确性和有效性，可以考虑以下因素：
- 将分红比例作为其中一项基本面指标，而不是选股的唯一标准；
- 引入其他基本面指标，比如企业盈利能力、资产负债率、经营现金流量等；
- 综合考虑技术指标和基本面，避免因技术指标过于片面而导致错过良好的公司投资机会。
最终的选股逻辑
选股条件为RSI小于65、MACD零轴以上、2019年分红比例大于25%。该选股策略综合考虑技术面和基本面，选出具有良好基本面和市场机会的标的。
以下是同花顺指标公式代码参考：
- RSI指标：RSI(14);
- MACD指标：DIFF=EMA(CLOSE,12)-EMA(CLOSE,26);DEA=EMA(DIFF,9);MACD=(DIFF-DEA)*2。
以下是Python代码实现该选股策略：
import tushare as ts
# 定义选股条件
def condition(stock):
# 验证股票是否退市以及停牌和ST
stock_basics_df = ts.get_stock_basics()
if stock not in stock_basics_df.index:
return False
if stock_basics_df.loc[stock]["timeToMarket"] > 0:
return False
if "ST" in stock_basics_df.loc[stock]["name"]:
return False
# RSI小于65
df_daily = ts.get_k_data(stock, ktype="D")
if df_daily.empty:
return False
rsi = df_daily["close"].talib("RSI", timeperiod=14)[-1]
if rsi >= 65:
return False
# MACD零轴以上
dif = df_daily["close"].ewm(span=12).mean() - df_daily["close"].ewm(span=26).mean()
dea = dif.ewm(span=9).mean()
macd = (dif - dea) * 2
if macd <= 0:
return False
# 2019年分红比例大于25%
stock_history_df = ts.get_hist_data(stock)
if stock_history_df.empty:
return False
if stock_history_df.loc["2019"]["divi"] / stock_history_df.loc["2019"]["close"] * 100 <= 25:
return False
return True
# 获取所有A股股票列表
stocks = ts.get_stock_basics().index.tolist()
selected_stocks = filter(condition, stocks)
# 打印符合条件的股票代码和名称
for stock in selected_stocks:
print(stock, ts.get_stock_basics().loc[stock]["name"])
## 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。
