(同花顺量化)2019分红比例>25%_、今日最大跌幅<-4且>-5、今日增仓占比_5%

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

  • 今日增仓占比>5%, 表示该股票在最近一段时间内有较多的新增资金流入,说明市场对该股票较为看好。
  • 今日最大跌幅<-4且>-5, 表示该股票在今天的价格波动中,跌幅在-4%到-5%之间,说明该股票的价格波动较为剧烈,可能存在一定的风险。
  • 2019分红比例>25%, 表示该股票在2019年进行了较高的分红,说明该股票的盈利能力较强,具有一定的投资价值。

选股逻辑分析

  • 该策略基于市场资金流入和股票价格波动的分析,可以筛选出具有较强市场关注度和投资价值的股票。
  • 但是,该策略也存在一定的风险,因为股票价格的波动和资金流入的变化都是随机的,因此无法完全预测未来股票的表现。

有何风险?

  • 该策略可能会选择一些短期内价格波动较大的股票,这些股票可能存在较大的风险,因为价格波动较大的股票往往缺乏长期的投资价值。
  • 该策略也可能会选择一些分红比例较高的股票,这些股票可能存在一定的风险,因为高分红可能会导致股票价格的下跌。

如何优化?

  • 可以考虑加入更多的因素来筛选股票,例如公司的盈利能力、财务状况、行业背景等,以更全面地评估股票的投资价值。
  • 可以考虑加入更多的技术分析指标,例如移动平均线、布林线等,以更准确地预测股票的价格走势。

最终的选股逻辑

  • 选取今日增仓占比>5%的股票。
  • 选取今日最大跌幅<-4且>-5的股票。
  • 选取2019分红比例>25%的股票。
  • 在满足以上条件的股票中,加入公司的盈利能力、财务状况、行业背景等多方面因素进行综合评估。
  • 在满足以上条件的股票中,加入移动平均线、布林线等技术分析指标进行价格走势预测。

python代码参考

  • 以下代码使用了问财量化交易的量化策略接口,需要先安装问财量化交易的包。

import qtpylib as qtr
import talib

定义策略函数

def strategy(data):
# 获取今日增仓占比
long_short = data['long_short']
# 获取今日最大跌幅
max_dfs = data['max_dfs']
# 获取2019分红比例
dividend_ratio = data['dividend_ratio']
# 获取综合评估因子
eval_factors = data['eval_factors']
# 获取价格走势预测因子
price_pred_factors = data['price_pred_factors']

# 进行综合评估
eval_scores = []
for i in range(len(eval_factors)):
  eval_scores.append(eval_factors[i] * eval_factors[i])
eval_scores = np.array(eval_scores)
eval_scores = np.sum(eval_scores, axis=1)

# 进行价格走势预测
price_pred_scores = []
for i in range(len(price_pred_factors)):
  price_pred_scores.append(price_pred_factors[i] * price_pred_factors[i])
price_pred_scores = np.array(price_pred_scores)
price_pred_scores = np.sum(price_pred_scores, axis=1)

# 进行策略决策
if eval_scores > 0 and max_dfs < -4 and max_dfs > -5 and dividend_ratio > 25:
  return 1
else:
  return 0

创建策略对象

strategy_obj = qtr.Strategy(strategy)

设置参数

strategy_obj.set_params(
long_short=0.05,
max_dfs=-5,
dividend_ratio=0.25,
eval_factors=['return', 'volatility', 'pb', 'pe'],
price_pred_factors=['rsi', 'macd']
)

获取策略日线数据

data = qtr.get_data('000300.XSHG', start='2021-01-01', end='2021-12-31')

计算策略收益

strategy_returns = strategy_obj.run(data)


## 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