(同花顺量化)2019分红比例>25%_、三连阴、macd零轴以上

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

选股逻辑:MACD指标零轴以上、三连阴、2019年分红比例大于25%的股票进行投资。该选股策略主要基于技术分析和基本面分析,通过筛选质量高、潜力大的好股票进行投资。

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技术分析和基本面分析,通过MACD指标和分红比例筛选质量高、潜力大的好股票进行投资。

有何风险?

该选股策略可能存在以下风险:

  1. 选股逻辑过于简单,可能会被其他投资者和基金经理模仿,导致投资效果下降;
  2. 投资股票需要考虑的因素很多,选股策略过于简单可能不能满足实际情况;
  3. 基于历史分红比例进行投资可能存在一定风险,因为未来的分红情况可能会受到公司经营状况、市场竞争等因素的影响。

如何优化?

以下是一些优化建议:

  1. 引入更多的技术指标和基本面分析维度,如股票的估值、盈利增长等;
  2. 定期检查选股策略的有效性并进行调整,以更好地适应市场变化;
  3. 选择更为合理和客观的基准,对投资策略进行评估和改进。

最终的选股逻辑

选股策略:MACD指标零轴以上、三连阴、2019年分红比例大于25%的股票进行投资。

同花顺指标公式代码参考

  • MACD指标:MACD(12,26,9)

Python代码参考

from jqdata import *
import datetime as dt

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    run_daily(before_market_open, time='before_open', reference_security='000300.XSHG')

def before_market_open(context):
    if context.current_dt.hour >= 10:
        return
    selected_stocks = []
    for stock in get_all_securities(types=['stock'], date=context.current_dt.date()).index:
        try:
            # 股票是否为主板股
            stock_type = get_security_info(stock).type
            if stock_type != 'stock' or 'ST' in get_security_info(stock).name:
                continue
            # 判断MACD指标是否满足条件
            diff, dea, macd = MACD(stock, check_date=context.current_dt.date())
            if diff.iloc[-1] < 0 or dea.iloc[-1] < 0 or macd.iloc[-1] < 0:
                continue
            if diff.iloc[-1] < diff.iloc[-2] < diff.iloc[-3]:
            	# 判断分红比例是否满足条件
            	if dividend_ratio(stock, start_date=dt.date(2019, 1, 1), end_date=dt.date(2019, 12, 31)) > 0.25:
                	selected_stocks.append(stock)
        except:
            continue
    if len(selected_stocks) > 0:
        trade(selected_stocks)

def trade(selected):
    position_count = len(selected)
    if position_count == 0:
        return
    stock_value = context.portfolio.total_value / (position_count + 1)

    for stock in selected:
        if stock in context.portfolio.positions:
            order_target_value(stock, stock_value)
        else:
            order_value(stock, stock_value)

def handle_data(context, data):
    pass
    ## 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)
收益&风险
源码

评论