问财量化选股策略逻辑
- 至少5根均线重合的股票: 这个逻辑意味着股票的价格趋势比较稳定,因为至少5根均线的重合表明了股票的价格在一定时期内的波动较小。
- 收盘价<boll(upper值)且收盘价>boll(mid值): 这个逻辑意味着股票的价格正在上涨,因为收盘价高于布林带上轨线和布林带中轨线的股票通常表示价格正在上涨。
- 2019分红比例>25%: 这个逻辑意味着股票的分红比例较高,因为分红比例超过25%的股票通常表示公司对股东的回报比较丰厚。
选股逻辑分析
以上三个逻辑结合起来,可以筛选出一些具有稳定价格趋势、正在上涨且分红比例较高的股票。这些股票可能更适合长期投资,因为它们的价格波动较小,且公司对股东的回报比较丰厚。
有何风险?
尽管以上三个逻辑结合起来可以筛选出一些具有稳定价格趋势、正在上涨且分红比例较高的股票,但是仍然存在一些风险。首先,这些股票的价格可能会受到市场整体行情的影响,因此投资者在买入这些股票时需要谨慎。其次,这些股票的分红比例可能会随着时间的推移而发生变化,因此投资者需要定期检查这些股票的分红比例。最后,这些股票的价格可能会受到公司内部因素的影响,例如公司业绩下滑或管理层变动等。
如何优化?
为了优化以上选股逻辑,可以考虑加入一些其他的因素,例如公司的财务状况、盈利能力、市盈率等。这些因素可以帮助投资者更好地评估公司的价值和潜力,从而更好地筛选出具有投资价值的股票。
最终的选股逻辑
以下是一种基于以上三个逻辑的最终选股策略:
- 筛选出至少5根均线重合的股票。
- 筛选出收盘价高于布林带上轨线和布林带中轨线的股票。
- 筛选出2019分红比例超过25%的股票。
- 加入一些其他的因素,例如公司的财务状况、盈利能力、市盈率等。
以下是参考的python代码:
import talib
def boll(wr, ma):
upper = ma + (wr * (ma - ma_n))
mid = ma
lower = ma - (wr * (ma - ma_n))
return upper, mid, lower
def select_stocks():
# 筛选出至少5根均线重合的股票
stocks = []
for stock in stocks_data:
if len(stock['ma']) >= 5:
stocks.append(stock)
return stocks
def select_increasing_stocks(stocks):
# 筛选出收盘价高于布林带上轨线和布林带中轨线的股票
increasing_stocks = []
for stock in stocks:
upper, mid, lower = boll(2, stock['ma'])
if stock['close'] > upper and stock['close'] > mid:
increasing_stocks.append(stock)
return increasing_stocks
def select_dividend_stocks(increasing_stocks):
# 筛选出2019分红比例超过25%的股票
dividend_stocks = []
for stock in increasing_stocks:
if stock['dividend'] / stock['price'] > 0.25:
dividend_stocks.append(stock)
return dividend_stocks
# 调用函数筛选股票
stocks = select_stocks()
increasing_stocks = select_increasing_stocks(stocks)
dividend_stocks = select_dividend_stocks(increasing_stocks)
# 输出筛选结果
print("筛选出的股票:")
for stock in dividend_stocks:
print(stock['name'], stock['close'], stock['dividend'], stock['price'])
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。


