问财量化选股策略逻辑
选股逻辑为：振幅大于1，企业性质，2019年分红比例大于25%。
选股逻辑分析
选股逻辑中，振幅大于1表示对市场波动较为敏感，企业性质体现了基本面的考虑，2019年分红比例大于25%则说明公司有一定的盈利能力和资金实力。该选股逻辑相对比较全面，同时着重考虑了分红情况。
有何风险？
该选股逻辑也仅考虑了三个因素，且只考虑了2019年的分红比例，对于公司未来的盈利能力和分红情况并没有考虑，因此存在被市场忽视的其他重要因素，如政策环境、宏观经济、公司管理水平等，这些因素可能对股票的表现产生重大影响。
如何优化？
可以从以下几个方面优化选股逻辑：
- 加入更多指标进行筛选或排除，如市盈率、市净率等股票基本面指标，以提高选股的科学性和实用性；
- 加入技术指标，如相对强弱指标RSI、动量指标MACD等，以判断股票的趋势和短期动能；
- 关注更多的行业和板块，避免选股过于集中在单个行业或板块中；
- 考虑多个年份的分红情况，以更好地反映公司的分红水平和发展趋势。
最终的选股逻辑
经过优化，最终的选股逻辑如下：
- 振幅大于1；
- 企业性质符合标准，包括但不限于：良好的财务状况、高盈利能力、成长性等；
- 分红比例高于历史平均水平，采用多年平均分红比例进行筛选；
- 根据市场情况和个人投资策略选择不同的交易策略，可以加入技术指标、分散化投资等。
同花顺指标公式代码参考
选股逻辑的同花顺指标公式如下：
/* 选股公式 */
A:(HIGH-LOW)/REF(CLOSE,1)>0.01;
B:XX企业性质;
C:(DIV>25) AND DIV_AVG>30;
A AND B AND C;
其中 DIV 表示2019年分红比例， DIV_AVG 表示多年平均分红比例， AND 表示逻辑与，即满足全部条件才会选出该股票。
Python代码参考
适用于tushare库的Python选股代码如下：
import tushare as ts
def is_selected(code, div_years=3):
# 判断股票是否满足选股逻辑
df = ts.get_hist_data(code)
if (df['high'] - df['low']).mean() / df['close'].iloc[-1] <= 0.01:
return False
if not XX企业性质:
return False
div = ts.profit_data(year=2019, stock_code=code).iloc[0]['divi']
avg_div = ts.profit_data(stock_code=code).iloc[:div_years]['divi'].mean()
if div <= avg_div or avg_div < 30:
return False
return True
# 获取股票列表，遍历股票进行选股
stocks = ts.get_stock_basics()
selected_stocks = []
for code, row in stocks.iterrows():
if is_selected(code):
selected_stocks.append(code)
# 利用选股结果进行股票交易
for code in selected_stocks:
pass # 参考其他策略
其中需要根据选股策略修改参数，比如振幅、企业性质、分红比例水平等，通过tushare库获取股票的基本面和历史行情进行计算判断，通过profit_data函数获取分红数据。
## 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。
