问财量化选股策略逻辑
本选股策略需要考虑振幅、Boll线和分红比例的因素：振幅大于1，收盘价<boll(upper值)且收盘价>boll(mid值)，2019分红比例＞25%。将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。
选股逻辑分析
该选股策略基于振幅、Boll线和分红比例的理论进行筛选。通过振幅、Boll线对股票价格的波动程度进行分析，并通过确定收盘价位于Boll线下方来确保底部趋势。同时，通过选用2019年分红比例大于25%的股票，筛选出拥有良好盈利能力的股票。通过以上逻辑，能够筛选出价值上涨的股票，适合长期投资。
有何风险？
以下是该选股策略可能存在的一些风险：
- 该选股策略过于注重基本面的指标，忽略了技术面的影响因素。
- 长期投资风险相对较大，很容易受到市场波动的影响造成亏损。
- 该选股策略可能存在数据滞后和偏离，需要考虑不同时间周期的分析。
如何优化？
为了降低风险，可以考虑从以下方面对该选股策略进行优化：
- 同时考虑技术面和基本面的指标，综合分析股票的价值。
- 不追求单一标准的大幅分红，要综合考虑公司未来发展能力和资本需求。
- 考虑不同时间周期的分析，对数据做出合理的调整。
- 建立模型对选股策略进行优化，提高策略的稳定性和可靠性。
最终的选股逻辑
根据以上分析，我们可以进行如下的优化和完善：
- 振幅大于常态水平。
- 收盘价位于Boll线的下半部分。
- 2019分红比例大于25%。
同花顺指标公式代码参考
以下是通达信公式参考：
C1: (HIGH - LOW) > MA(HIGH - LOW, 20);
C2: CLOSE < BOLL(UPPER, 20, 2) AND CLOSE > BOLL(MID, 20, 2);
C3: DYRI >= 0.25;
C4: SELECTED := C1 AND C2 AND C3;
其中DYRI表示2019年分红比例。
Python代码参考
以下是Python代码参考：
import tushare as ts
def stock_selection():
rs_basic_info = ts.get_stock_basics()
selected_code = []
for code in rs_basic_info.index:
if 'ST' in rs_basic_info.loc[code]['name'] or '300' in code or rs_basic_info.loc[code]['market'] != '主板':
continue
rs = ts.get_k_data(code, start='2022-10-14', end='2022-10-14')
if rs is None or len(rs) <= 0:
continue
condition1 = (rs.iloc[0]['high'] - rs.iloc[0]['low']) > rs['high'].sub(rs['low']).rolling(20).mean().iloc[-1]
condition2 = rs.iloc[0]['close'] < rs['close'].rolling(20).apply(lambda x: x.mean() + 2 * x.std(ddof=0)).iloc[-1] and rs.iloc[0]['close'] > rs['close'].rolling(20).mean().iloc[-1]
condition3 = rs_basic_info.loc[code]['dy'] >= 0.25
if not condition1 or not condition2 or not condition3:
continue
selected_code.append(code)
return selected_code
注意：以上代码仅供参考，具体根据实际需求和风险承受能力进行调整。需要安装tushare库。
## 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。
