问财量化选股策略逻辑
今日增仓占比>5%,机构抄底,2019分红比例＞25%
选股逻辑分析
该策略的逻辑是基于股票的三个基本面指标：今日增仓占比、机构抄底和2019分红比例。首先，今日增仓占比指的是股票最近一天的成交量中，机构投资者买入股票的占比。如果机构投资者买入股票的占比超过5%，则说明机构投资者对这只股票有信心，可能会继续买入，从而推动股价上涨。其次，机构抄底指的是股票最近一段时间内，机构投资者买入股票的金额占总成交金额的比例。如果机构投资者买入股票的金额超过总成交金额的5%，则说明机构投资者认为这只股票的价格被低估，可能会继续买入，从而推动股价上涨。最后，2019分红比例指的是公司2019年的分红比例。如果公司2019年的分红比例超过25%，则说明公司对股东的回报比较丰厚，可能会吸引更多的投资者买入股票，从而推动股价上涨。
有何风险？
该策略的逻辑基于股票的基本面指标，但是这些指标可能会受到市场情绪和其他因素的影响，从而导致策略的准确性降低。此外，机构投资者的行为也可能会受到市场情绪和其他因素的影响，从而导致机构抄底的准确性降低。另外，该策略并没有考虑股票的估值和成长性等因素，因此可能会忽略一些重要的投资机会。
如何优化？
为了优化该策略，可以考虑加入一些其他的指标，例如股票的估值和成长性等。此外，可以考虑使用机器学习算法来预测机构投资者的行为，从而提高机构抄底的准确性。最后，可以考虑使用更多的数据来分析股票的基本面指标，从而提高策略的准确性。
最终的选股逻辑
最终的选股逻辑如下：
import talib
def get_stock_data(symbol):
# 获取股票的历史行情数据
data = yf.download(symbol, start='2020-01-01', end='2021-01-01')
# 计算今日增仓占比
data['今日增仓占比'] = data['净流入'] / data['成交量'] * 100
# 计算机构抄底
data['机构抄底'] = data['机构净流入'] / data['成交额'] * 100
# 计算2019分红比例
data['2019分红比例'] = data['分红总额'] / data['流通市值'] * 100
# 返回数据
return data
def get筛选条件():
# 获取筛选条件
data = get_stock_data('600036')
# 筛选出今日增仓占比超过5%的股票
data = data[(data['今日增仓占比'] > 5) & (data['成交量'] > 100000)]
# 筛选出机构抄底超过5%的股票
data = data[(data['机构抄底'] > 5) & (data['成交额'] > 100000)]
# 筛选出2019分红比例超过25%的股票
data = data[(data['2019分红比例'] > 25) & (data['流通市值'] > 100000)]
# 返回数据
return data
def get_top_stocks(n):
# 获取前n个股票的数据
data = get_stock_data('600036')
# 筛选出符合筛选条件的股票
data = data[(data['今日增仓占比'] > 5) & (data['成交量'] > 100000) & (data['机构抄底'] > 5) & (data['成交额'] > 100000) & (data['2019分红比例'] > 25) & (data['流通市值'] > 100000)]
# 按照今日增仓占比从大到小排序
data = data.sort_values(by='今日增仓占比', ascending=False)
# 获取前n个股票的数据
top_stocks = data.head(n)
# 返回数据
return top_stocks
以上代码实现了最终的选股逻辑，可以根据需要进行修改和优化。
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。
