问财量化选股策略逻辑
选股逻辑为：振幅大于1、价格＜12、2019分红比例＞25%。将选股逻辑作为第一个标题放入段落中。
选股逻辑分析
该选股策略的逻辑是：
- 振幅大于1：表示该股票市场交易活跃度较高；
- 价格＜12：表示该股票价格较为便宜，具有一定的投资价值；
- 2019分红比例＞25%：表示该股票具有较好的盈利能力和良好的公司治理，可以给股东带来一定的收益。
这些筛选条件综合在一起，可以筛选出市场交易活跃，价格较为便宜，且具有良好盈利能力和公司治理的个股。
有何风险？
该选股策略可能存在以下风险：
- 市场风险：市场变化万千，筛选出的个股未必能在未来走势上持续表现优异，存在一定的操作风险；
- 公司分红政策变化：公司分红政策随着市场变化而变化，未来分红政策可能与2019年不同；
- 分红并不完全代表公司盈利能力：一些公司可能通过减少研发或提高财务杠杆的方式提高分红比例，但实际上这种做法并不一定好。
在实际操作中，需要对上述风险进行有效避免和控制。
如何优化？
为了进一步提高选股准确性和降低风险，可以从以下方面进行优化：
- 加入更多关注度和市场情况等因素进行筛选，提高选股的精准度和有效性；
- 分红政策变化的风险可通过和公司联络来了解和控制；
- 盈利能力不只分红，可以引入其他盈利指标进行筛选。
最终的选股逻辑
综合以上分析和优化，我们最终的选股逻辑为：在振幅大于1、价格＜12、2019分红比例＞25%的基础上，加入更多关注度和市场情况等因素进行筛选，提高选股的精准度和有效性。
同花顺指标公式代码参考
该策略可引入以下指标进行辅助分析：
- 振幅指标：
振幅：
((HIGH-LOW)/REF(CLOSE,1)) > 0.01
- 价格指标：
价格小于12：
CLOSE < 12
- 分红比例指标：
2019年分红比例大于25%：
DIV2019/DIVYIELD > 0.25
python代码参考
# 振幅指标
amplitude = (high - low) / ref(close, 1)
amplitude_filter = amplitude > 0.01
# 价格指标
price_filter = close < 12
# 分红比例指标
dividend_filter = div_2019 / div_yield > 0.25
# 引入更多关注度指标进行辅助分析
capital_flow_filter = ...
# 加强对市场行情分析
market_filter = ...
# 组合筛选条件
final_filter = amplitude_filter & price_filter & dividend_filter & capital_flow_filter & market_filter & ...
# 排序选股
selected_stocks = df[final_filter].sort_values(by='CSI', ascending=False).reset_index(drop=True)
注意：以上代码仅为参考，实际实现时需要根据实际数据情况进行适当修改，并考虑涨跌风险控制等问题。
## 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。
