问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 今日最低价小于昨日最低价
- 2019分红比例＞25%
选股逻辑分析
该选股策略同样从技术面进行筛选，选取当日振幅较大，且存在股价下跌趋势的股票。同时，该策略还加入了2019年分红比例的条件，对公司股票回报进行了筛选。这种选股方式对公司基本面和长期趋势也进行了考虑，但仍可能存在部分风险。比如，有高利润公司分红可能较低或分红未知。
有何风险？
该选股策略虽然对公司基本面和长期趋势进行了考虑，但仍存在一定的缺陷。比如，过分追求短期的股票回报，忽略了公司未来的发展潜力和竞争优势。另外，有些公司虽然分红比例低，但可能存在高的投资价值。
如何优化？
可以将基本面和技术面相结合进行选股，以充分考虑公司的未来发展潜力和竞争优势。同时，该策略过分追求短期的股票回报，考虑加入中长期的投资价值来改善策略的盈利性。
最终的选股逻辑
基于以上分析，最终的选股逻辑如下：
- 振幅大于1，市场对股价波动大的股票更感兴趣。
- 今日最低价小于昨日最低价，表明股价下跌趋势已经明显。
- 2019年分红比例＞25%，表明公司分红较为给力，有较好的股票回报。
同花顺指标公式代码参考
- 振幅大于1：amplitude > 1
- 今日最低价小于昨日最低价：low < ref(low, 1)
- 2019年分红比例＞25%：dividend_ratio > 25
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
df = df[df['dividend_ratio'] > 25]
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
bars = ts.get_today_ticks(code, 1)
if len(bars) > 0:
amplitude = (float(bars.iloc[0]['high']) - float(bars.iloc[0]['low'])) / float(bars.iloc[0]['pre_close'])
if amplitude > 0.01 and float(bars.iloc[0]['low']) < float(bars.iloc[0]['pre_close']):
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': float(bars.iloc[0]['price'])}, ignore_index=True)
result = result.sort_values(by='price', ascending=True)
## 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。
