(同花顺量化)2019分红比例＞25%_、昨天换手率＞8%、至少5根均线重合的股票

问财量化选股策略逻辑

1. 至少5根均线重合的股票

我们选择至少5根均线重合的股票，这样可以减少股票的波动性，使得股票更加稳定。具体来说，我们选择5日、10日、20日、60日和120日均线重合的股票。

2. 昨天换手率＞8%

我们选择昨天换手率＞8%的股票，这样可以确保股票的活跃度，使得股票更容易受到市场关注。

3. 2019分红比例＞25%

我们选择2019分红比例＞25%的股票，这样可以确保股票的分红能力，使得股票更加具有投资价值。

选股逻辑分析

以上三个逻辑结合起来，可以筛选出那些具有稳定性和投资价值的股票。这些股票通常具有较低的波动性，高活跃度和高分红能力，因此可以为投资者提供更好的投资回报。

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性和投资价值的股票，但是仍然存在一定的风险。首先，股票市场的波动性是无法完全避免的，因此这些股票仍然有可能出现价格波动。其次，这些股票的活跃度和分红能力也可能会发生变化，因此投资者需要定期重新评估这些股票的投资价值。

如何优化？

为了进一步优化这些选股逻辑，我们可以考虑增加更多的筛选条件，例如选择那些具有高盈利能力、低市盈率和低市净率的股票。此外，我们还可以考虑使用更多的技术指标和数据来源，例如使用移动平均线和MACD指标来筛选股票。

最终的选股逻辑

最终的选股逻辑如下：

1. 选择至少5根均线重合的股票，包括5日、10日、20日、60日和120日均线。
2. 选择昨天换手率＞8%的股票。
3. 选择2019分红比例＞25%的股票。
4. 选择具有高盈利能力、低市盈率和低市净率的股票。
5. 选择使用移动平均线和MACD指标筛选股票。

以下是参考的python代码：

import talib

def get_stock_scores(symbol):
    # 获取股票的历史价格和成交量数据
    prices = get_stock_prices(symbol)
    volumes = get_stock_volumes(symbol)

    # 计算移动平均线和MACD指标
    ma5 = talib.MA(prices, timeperiod=5)
    ma10 = talib.MA(prices, timeperiod=10)
    ma20 = talib.MA(prices, timeperiod=20)
    ma60 = talib.MA(prices, timeperiod=60)
    ma120 = talib.MA(prices, timeperiod=120)

    macd, macdsignal, macdhist = talib.MACD(prices, fastperiod=12, slowperiod=26, signalperiod=9)

    # 计算换手率
    turnover = get_stock_turnover(symbol)

    # 计算分红比例
    dividend_ratio = get_stock_dividend_ratio(symbol)

    # 计算股票的综合评分
    score = (ma5[-1] + ma10[-1] + ma20[-1] + ma60[-1] + ma120[-1]) / 5
    score += turnover * 0.1
    score += dividend_ratio * 0.1

    # 返回股票的综合评分
    return score

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。