问财量化选股策略逻辑
选股逻辑：在 MACD 指标零轴以上、涨跌幅×超大单净量、2019年分红比例大于25%的条件下，选取符合要求的股票。
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。分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为 ## 选股逻辑分析 的段落），有什么风险？（放入标题为 ## 有何风险？ 的段落）如何优化？（放入标题为 ## 如何优化？ 的段落）并最终给出完善选股逻辑（放入标题为 ## 最终的选股逻辑 的段落），请用 Markdown 格式。
选股逻辑分析
该选股策略以 MACD 指标、涨跌幅×超大单净量和2019年分红比例为选取依据。其中，
- MACD指标判断股票处于上升趋势；
- 涨跌幅×超大单净量判断股票的价格上升和成交量增加；
- 分红比例代表公司近年业绩稳定性高。
该逻辑同样存在一定的问题，例如，分红决策会受到公司不同阶段发展战略的影响，同时需要注意选股时间段的调整和及时的调整策略。
有何风险？
选股策略存在如下风险：
- 忽略了股票基本面因素的影响，过度依赖技术分析和交易量指标；
- 分红比例的计算可能会忽略因素过多而导致偏差；
- 选股时间段短，过于追求短期回报；
- 分红政策是公司自主决策的，对于股东而言是一种不确定的因素。
如何优化？
以下是该选股策略的优化建议：
- 引入更多基本面因素和市场热点，例如市盈率、净资产收益率、产业分析等，以更全面的视角进行选股；
- 梳理分红比例计算规则，增加方法的可靠性和有效性；
- 选股时间段应合理设置，适应投资者长期持有的要求，即长期价值投资；
- 保持监控和调整，及时“卖队长，换队员”，剔除表现不好的个股。
最终的选股逻辑
选股策略：MACD指标零轴以上、涨跌幅x超大单净量，2019年分红比例大于25%的股票。
同花顺指标公式代码参考
以下是MACD指标和涨跌幅×超大单净量的通达信指标公式：
MACD指标：DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); MACD=(DIF-DEA)*2,COLORSTICK;
涨跌幅×超大单净量：涨跌幅(P_CHANGE)：(CLOSE-CLOSE[N])/CLOSE[N]100；超大单净量(DDN)：((VOL/10000)ABS(CLOSE-REF(CLOSE,1)>=30000(HIGH-LOW)/AMOUNT,20))/AMOUNT100;
其中，N为选定的时间周期，REF为上一个交易日的收盘价，VOL为成交量，CLOSE为收盘价。
python代码参考
以下是获取符合选股条件的股票列表的Python代码：
import tushare as ts
import pandas as pd
import talib as ta
# 设置tushare pro的token
token = 'your_token_here'
ts.set_token(token)
# 初始化tushare pro接口
pro = ts.pro_api()
# 获取符合选股条件的股票列表
result = []
for stock_code in pro.stock_basic()['ts_code']:
# 获取MACD指标
df_macd = pro.daily(ts_code=stock_code, start_date='20210801', end_date='20210831')
dif = ta.EMA(df_macd['close'].values, 12) - ta.EMA(df_macd['close'].values, 26)
dea = ta.EMA(dif, 9)
macd = (dif - dea) * 2
# 获取涨跌幅×超大单净量
df_vol = pro.moneyflow(ts_code=stock_code, start_date='20210801', end_date='20210831')
p_change = (df_vol['close'] - df_vol['close'].shift()) / df_vol['close'].shift() * 100
big_vol = ((df_vol['vol'] / 10000) >= 100) * df_vol['vol'] * ((df_vol['close'] - df_vol['pre_close']) / df_vol['close']) * 100
# 获取2019年分红比例
df_dividend = pro.dividend(ts_code=stock_code, ann_date='20191231')
if df_dividend.empty:
dividend_ratio = 0
else:
dividend_ratio = df_dividend['div_cash'][0] / df_dividend['total_share'][0]
# 判断是否符合选股条件
if macd[-1] > 0 and p_change[-1] > 0 and big_vol[-1] > 0 and dividend_ratio > 0.25:
result.append(stock_code)
print(result)
注：该代码仅供参考，真实情况中需要根据自己的需要进行调整。
## 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。
