选取振幅大于1、MACD零轴以上，并且2019年分红比例超过

选股逻辑

选取振幅大于1、MACD零轴以上，并且2019年分红比例超过25%的股票。

选股逻辑分析

选取具有一定波动性的股票，并且具有一定分红能力。

有何风险？

考虑到分红比例可能受到公司季度利润波动的影响，单一因素作为选股依据可能会出现选股不稳定的情况。

如何优化？

可结合其他因素，如公司基本面和财务数据等，增加选股稳定性。

最终的选股逻辑

选取振幅大于1、MACD零轴以上，并且2019年分红比例超过25%的股票。

同花顺指标公式代码参考

• 振幅：ABS((HIGH-LOW)/REF(CLOSE,1)*100)>1
• MACD零轴以上：CROSS(MACD(12,26,9),0)>0
• 2019年分红占比：(DIV2YIELD+RIGHTS_DIVIDEND_RATIO)/(1+TRANS_STK_EXCHANGE_TAX)/(1+TAX_RATE)>0.25

python代码参考

import tushare as ts

def get_filter():
  # 获取股票数据，并计算涨跌幅
  df = ts.get_today_all()
  df['change'] = (df['trade'] - df['settlement']) / df['settlement']

  # 筛选出2019年分红比例超过25%的股票
  div_ratio = (df['div2yield'] + df['rights_dividend_ratio']) / (1 + df['trans_stk_exchange_tax']) / (1 + df['tax_rate'])
  mask = div_ratio > 0.25
  df = df[mask]

  # 计算振幅
  amplitude = abs(df['high'] - df['low']) / df['open']

  # 计算MACD指标
  df['MACD'], df['signal'], df['hist'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)

  # 综合筛选条件
  mask = (amplitude > 0.01) & (df['MACD'] > 0)
  codes = mask.index.values.tolist()

  return codes

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。