问财量化选股策略逻辑
选股逻辑：选择RSI小于65的股票，深证主板中市盈率在0-29.01之间，市净率在0-3.11之间，2019年分红比例大于25%的股票。
选股逻辑分析
除了常规的技术指标和市值指标，该选股逻辑加入了公司分红比例的判断，从而更进一步筛选优质股票。同时，选适合自己的分红策略并加以应用，可以提高收益。
有何风险？
市场风险、股票特征风险和分红政策风险是该选股逻辑需要考虑的重点。分红率仅是一种参考指标，不应单纯以此为标准进行股票选取。同时，也需要注意实际分红情况可能受上市公司决策以及宏观政策等多种因素影响而发生变化。
如何优化？
可以加入其他市场指标或财务数据对策略进行优化，例如可以考虑公司的估值和盈利情况、财务结构指标等。同时，投资者也可以结合自己的投资目标和风险承受力，加以优化调整。可以通过模型评估和回测结果来优化和调整期望收益和风险。也可以考虑加入人工智能和机器学习的算法来进行选股分析。
最终的选股逻辑
选股逻辑：选择RSI小于65的股票，深证主板中市盈率在0-29.01之间，市净率在0-3.11之间，2019年分红比例大于25%的股票。
同花顺指标公式代码参考
- RSI小于65：RSI(C, 14) < 65
- 深证主板中市盈率0-29.01：PE > 0 AND PE < 29.01
- 市净率0-3.11：PB > 0 AND PB < 3.11
- 2019年分红比例大于25%：DPS_YEAR_2019 > 0 AND DPS_YEAR_2019/DPA_YEAR_2019 > 0.25
python代码参考
import pandas as pd
import tushare as ts
# 连接tushare并获取股票基本信息
token = 'token'
pro = ts.pro_api(token)
# 选择深圳主板
basic = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,symbol,name,area,industry')
# 筛选条件
rsi_threshold = 65
pe_low = 0
pe_high = 29.01
pb_low = 0
pb_high = 3.11
dividend_ratio = 0.25
# 遍历每支股票
result = []
for code in basic['ts_code']:
# 判断条件
finance = pro.query('daily_basic', ts_code=code, fields='pe,pb')
if finance.empty: continue
pe = finance['pe'].iloc[-1]
pb = finance['pb'].iloc[-1]
if pe < pe_low or pe > pe_high or pb < pb_low or pb > pb_high: continue
# 判断分红比例
dividend = pro.query('dividend', ts_code=code, fields='end_date,div_proc,dps_ratio')
if dividend.empty: continue
last_dividend = dividend.iloc[-1]
if last_dividend['dps_ratio'] <= dividend_ratio: continue
# 计算RSI指标
tech = pro.query('daily', ts_code=code, fields='close')
if tech.empty: continue
rsi = talib.RSI(tech['close'].values, 14)[-1]
if rsi >= rsi_threshold: continue
result.append([code, basic[basic['ts_code'] == code].iloc[0]['name']])
result_df = pd.DataFrame(result, columns=['代码', '名称'])
result_df.to_excel('result.xlsx', index=False)
## 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。
