问财量化选股策略逻辑
选股逻辑：MACD零轴以上，高点为两日最高，2019分红比例＞25%。
选股逻辑分析
该选股逻辑基于MACD和最近两日最高点等技术指标，加上2019年分红比例＞25%这一财务指标，选取具有潜在投资价值的个股。
有何风险？
该选股逻辑存在以下风险：
-
过分关注股息收益率可能会导致忽略公司的成长潜力和估值水平等重要财务指标，误判个股的价值。
-
MACD和最高点指标都是短期指标，对于长期投资价值的选股并不适用。
-
该选股逻辑忽略了公司的基本面情况，如行业和竞争环境等，可能会影响选出的股票的实际价值。
如何优化？
为减少风险，可以考虑以下方式进行优化：
-
综合考虑多种量化因子，如市值估值、业绩增长、股息政策、估值等因素，以提高选取的股票的投资价值。
-
设定更为合理的筛选条件，如持久的超额收益、稳定的业绩增长等指标，以增强选股逻辑的可靠性。
-
可以考虑使用深度学习等人工智能相关技术，对股票市场进行大量数据的挖掘和研究，以减少误判的概率。
最终的选股逻辑
优化后的选股逻辑如下：
选股逻辑：综合考虑多种量化因子，包括市值估值、业绩增长、股息政策、估值等因素，设定合理的筛选条件，选择高-quality的个股。
同花顺指标公式代码参考
- MACD零轴以上，高点为两日最高，分红比例＞25%
CROSS(JC,0) AND HHV(HIGH,2)=HIGH AND PB2019 > 0.25
Python代码参考
def initialize(context):
set_option('use_real_price', True)
set_benchmark('000300.XSHG')
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
set_option('avoid_future_data', True)
def select_stock(context):
stock_list = list(get_index_stocks('000300.XSHG'))
selected = []
for stock in stock_list:
h = attribute_history(stock, 260, '1d', ('close', 'high', 'low', 'volume'),df=True)
close = np.array(h['close'])
high = np.array(h['high'])
#MACD计算
macd,signal,hist = tl.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
#股息政策判断
pb2019 = get_fundamentals(query(valuation.pb_ratio, indicator.net_profit_to_total_revenue_atsopc *4),stock, date=None)['2019q4']['pb_ratio']
if pb2019 < 0.25:
continue
#选股
if (macd[-1] > signal[-1] and high[-2] == high.max()):
selected.append(stock)
return selected
## 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。
