(同花顺量化)2019分红比例＞25%_、竞价主力净买大于0、今日增仓占比_5%

问财量化选股策略逻辑

今日增仓占比>5%,竞价主力净买大于0,2019分红比例＞25%

选股逻辑分析

这个策略的逻辑是基于股票的交易数据来筛选出符合要求的股票。首先，要求今日增仓占比超过5%，这意味着股票在最近一段时间内有较多的资金流入，表明市场对该股票有一定的信心。其次，要求竞价主力净买大于0，这意味着股票在竞价交易中获得的资金净流入量大于流出量，表明市场对该股票的买入意愿较强。最后，要求2019分红比例大于25%，这意味着股票在过去一年内分红比例较高，表明公司有一定的分红能力。

有何风险？

这个策略的逻辑是基于股票的交易数据来筛选出符合要求的股票，因此可能会存在以下风险：

1. 数据误差：交易数据可能存在误差，导致筛选出的股票不符合实际情况。
2. 市场变化：市场情况可能会发生变化，导致股票的价格和交易量发生变化，从而影响筛选结果。
3. 公司财务状况变化：公司财务状况可能会发生变化，导致分红比例发生变化，从而影响筛选结果。

如何优化？

为了优化这个策略，可以考虑以下几点：

1. 加大数据的收集和处理力度，减少数据误差的影响。
2. 考虑加入更多的市场因素，例如股票的行业、市值等，以更准确地筛选出符合要求的股票。
3. 定期更新策略，以适应市场和公司财务状况的变化。

最终的选股逻辑

最终的选股逻辑如下：

def select_stock():
    # 获取交易数据
    df = get_trade_data()
    
    # 筛选出今日增仓占比超过5%的股票
    df = df[df['今日增仓占比'] > 0.05]
    
    # 筛选出竞价主力净买大于0的股票
    df = df[df['竞价主力净买'] > 0]
    
    # 筛选出2019分红比例大于25%的股票
    df = df[df['2019分红比例'] > 0.25]
    
    # 返回符合条件的股票列表
    return df['股票代码'].tolist()

python代码参考

import pandas as pd

def get_trade_data():
    # 获取交易数据
    df = pd.read_csv('trade_data.csv')
    return df

def select_stock():
    # 获取交易数据
    df = get_trade_data()
    
    # 筛选出今日增仓占比超过5%的股票
    df = df[df['今日增仓占比'] > 0.05]
    
    # 筛选出竞价主力净买大于0的股票
    df = df[df['竞价主力净买'] > 0]
    
    # 筛选出2019分红比例大于25%的股票
    df = df[df['2019分红比例'] > 0.25]
    
    # 返回符合条件的股票列表
    return df['股票代码'].tolist()

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。