(同花顺量化)2019分红比例＞25%_、流通市值大于100亿元、至少5根均线重合的股票

问财量化选股策略逻辑

该策略基于以下三个条件进行股票筛选：

1. 至少5根均线重合的股票：表示股票价格在不同时间周期内趋势较为一致，有利于预测未来走势。
2. 流通市值大于100亿元：表示公司规模较大，抗风险能力较强。
3. 2019分红比例＞25%：表示公司对股东的回报较为丰厚，有利于吸引投资者。

选股逻辑分析

该策略的逻辑是基于股票价格趋势的一致性和公司分红能力的考虑。均线重合的股票表示价格趋势较为稳定，有利于预测未来走势；流通市值大于100亿元的公司表示公司规模较大，抗风险能力较强；2019分红比例＞25%的公司表示公司对股东的回报较为丰厚，有利于吸引投资者。

该策略的逻辑较为简单，但能够筛选出一些较为优质的股票。不过，需要注意的是，该策略并不能保证股票未来的涨幅，因为股票价格的走势受到多种因素的影响，包括市场情绪、公司业绩等。

有何风险？

该策略的风险主要来自于市场风险和公司风险。市场风险是指股票价格受到市场情绪等因素的影响，可能会出现较大的波动。公司风险是指公司业绩、管理等因素的影响，可能会导致股票价格下跌。

如何优化？

为了降低该策略的风险，可以考虑以下优化措施：

1. 增加筛选条件：除了以上三个条件外，还可以考虑其他因素，如市盈率、市净率等，以更加全面地评估股票的价值。
2. 确定合适的持股期限：该策略的持股期限较长，如果市场出现较大的波动，可能会导致较大的损失。因此，需要确定合适的持股期限，以应对市场风险。
3. 分散投资：可以将资金分散投资于多个股票，以降低单一股票的风险。

最终的选股逻辑

最终的选股逻辑如下：

1. 筛选出至少5根均线重合的股票。
2. 筛选出流通市值大于100亿元的股票。
3. 筛选出2019分红比例＞25%的股票。
4. 筛选出市盈率、市净率等其他因素符合条件的股票。
5. 确定合适的持股期限。
6. 分散投资。

python代码参考

以下是一个简单的Python代码示例，用于实现上述策略：

import talib

def get_ma(data, n):
    ma = talib.MA(data, n)
    return ma

def get_stocks筛选条件):
    stocks = []
    for stock in data:
        ma5 = get_ma(stock, 5)
        ma10 = get_ma(stock, 10)
        ma20 = get_ma(stock, 20)
        ma60 = get_ma(stock, 60)
        if ma5 > ma10 and ma10 > ma20 and ma20 > ma60:
            if stock流通市值 > 100 and stock分红比例 > 25:
                stocks.append(stock)
    return stocks

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。