问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,2019分红比例＞25%。
选股逻辑分析
该选股策略综合了振幅指标和反包指标，同时要求选择了历史分红比例较高的股票，来筛选具有增长性和价值性的个股。
有何风险？
该选股策略可能会忽略一些低成交量的股票，市场热度不高的股票，因此存在选择高估值股票的风险，考虑到一些公司过度发放股息维持高股息率的传统，其风险还包括支付风险和伪高收益。
如何优化？
可以加入其他多个指标成分或变量，如市场情绪、盈利能力等供综合参考，以更全面的信息来分析股票的上涨趋势和价值投资。
最终的选股逻辑
基于以上分析，我们提出下面完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 2019年分红比例＞25%。
同花顺指标公式代码参考
以下是该选股策略的指标公式代码：
F01:HIGH / LOW - 1 > 0.01; // 振幅大于1
F02:NOT(SIGN(CLOSE-REF(CLOSE, 1)) == SIGN(REF(CLOSE, 1) - REF(CLOSE, 2))); // 反包
F03:DIV2_3 > 0.25; // 2019年分红比例＞25%，DIV2_3指标从同花顺API获取
FILTER:F01 AND F02 AND F03 > 0;
SYMBOL_SORT("CLOSE*TOT_VOLUME*CAPITALIZATION/10000", SORT_DESCEND);
SELECT(IF(1, 1, 0),"诊股"); // 输出文本信息：选股
python代码参考
以下是 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbol):
# 获取数据，计算指标
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
close = dv.get_ts("close", symbol=symbol)
div = dv.get_ts("dividend2", symbol=symbol)
date_idx = pd.to_datetime(high.index).date
div_filter = div.loc[f"{date_idx.year}-12"].fillna(0) > 0.25
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
selected_stocks = amplitude & reverse_pattern & div_filter
return selected_stocks.index.tolist()
选股逻辑中，我们用 Python 的 pandas 库和 TA-Lib 库计算指标，筛选出符合条件的股票列表，以得到我们需要选择的股票列表。
## 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。
