问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，2019分红比例大于25%。
选股逻辑分析
该选股逻辑主要考虑了股票的技术表现、分红能力和价值投资因素。振幅大于1和K线小于20代表股票具有较高的波动风险和机会，2019年分红比例大于25%代表股票的分红能力较强，具有一定的价值投资潜力。通过综合考量多个指标，选出更具有长期增值潜力的个股。
有何风险？
该选股逻辑主要基于技术分析和分红能力，忽略了其他因素，如行业趋势、市场环境、盈利能力等，可能会漏捕某些潜在明星股，同时在市场大幅波动时增加了投资风险。此外，该策略没有设立止损规则和风险管理措施，可能存在较大的交易成本和亏损风险。
如何优化？
可以增加基于行业分析和基本面因素的选股策略，如PE、PB、ROE等，同时设立适当的止损和止盈规则，控制风险并实现长期增长。此外，也可以定期进行回测和调整，建立更加准确和实用的选股模型。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- K线小于20；
- 2019分红比例大于25%；
- 综合考虑行业分析和基本面因素。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
SELECTOR1 := ((HIGH - LOW) / C) > 0.01;
SELECTOR2 := C < 20;
SELECTOR3 := DIV2019 / PRICE > 0.25;
RESULT := SELECTOR1 AND SELECTOR2 AND SELECTOR3;
其中，DIV2019代表2019年预计分红总额，PRICE代表股票价格。
Python代码参考
以下是Python实现该选股策略的选股逻辑：
# 计算指标
amplitude = (high - low) / close.shift(1)
selector1 = amplitude > 0.01
selector2 = close < 20
selector3 = div_2019 / price > 0.25
# 综合选择
selected_stocks = pd.DataFrame({'code': code})
selected_stocks = selected_stocks.merge(selector1, on='code')
selected_stocks = selected_stocks.merge(selector2, on='code')
selected_stocks = selected_stocks.merge(selector3, on='code')
selected_stocks = selected_stocks[selector1 & selector2 & selector3]
return selected_stocks['code'].tolist()
通过计算指标，逐步筛选符合条件的个股并综合选择，同时具有灵活性和实时性。此外，可以根据相应需求和实践经验，进行更加精准和优化的选股逻辑。
## 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。
