问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1；
- 至少5根均线重合的股票；
- 2019分红比例＞25%。
选股逻辑分析
振幅大于1的股票通常有一定的波动性，而至少5根均线重合的股票则表明股票价格处于一定的稳定阶段，同时也符合趋势交易的要求。对于分红比例，高分红可以反应公司盈利情况良好，同时也可以提升股价的投资吸引力。
有何风险？
该选股策略的风险在于，高分红并不一定代表公司盈利稳定，也可能是公司在短期内大幅度分红导致股份稀释，对公司的长期发展不利。同时，分红比例过高也可能会影响公司的现金流。
如何优化？
除了依据技术指标和分红比例选择股票外，可考虑引入其他公司财务指标加以筛选，同时结合行业趋势和宏观经济环境审时度势。
最终的选股逻辑
基于上述分析，我们可以优化该选股策略为：
- 振幅大于1；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合；
- 2019年分红比例大于25%；
- 根据其它股票财务指标筛选一些高质量的标的。
同花顺指标公式代码参考
本选股策略采用的是基本面分析原则，没有特定的指标公式。
python代码参考
import pandas as pd
import tushare as ts
import talib
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_bonus_large = False
# 剔除st股票
if code.startswith('ST') or code.startswith('300') or code.startswith('688'):
continue
bars = ts.get_k_data(code, '2022-01-01', '2022-12-31')
if bars is not None and len(bars) > 5:
# 振幅大于1
high, low, close = bars['high'].values, bars['low'].values, bars['close'].values
amplitude = (high - low) / close[:-1]
is_amplitude_large = amplitude.max() > 0.01
# 至少5根均线重合的股票
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# 2019分红比例大于25%
year_2019 = df.loc[code]['esp']
if not pd.isna(year_2019):
is_bonus_large = year_2019 > 0.25
if is_amplitude_large and is_ma_converge and is_bonus_large:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], ascending=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。
