问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,2019分红比例＞25%。
选股逻辑分析
该选股逻辑综合考虑了技术面和基本面两方面的数据，选股条件包括振幅大于1，周线为红柱和2019分红比例大于25%。振幅大于1选出具有较大波动的股票，周线红柱表示中短期股价有上涨动能，2019年分红比例大于25%表示公司基本面有一定的质量保证，综合起来可筛选出低风险、高回报的股票。
有何风险？
该选股逻辑的风险在于当2019年分红比例作为唯一的筛选条件时，可能忽略了公司的盈利能力和成长性等其他因素，不能全面评估选出的股票的价值；振幅大于1的股票可能有较大的价格波动，投资者对投资对象需要有更充分的风险评估。
如何优化？
可以加入其他基本面指标和财务数据，比如市盈率、市净率、净利润、资产负债率等指标，从多个角度综合参考来评估公司的价值和风险等。也可以增加一些技术指标，比如相对强弱指标、MACD等，以便更全面了解市场情况。一些选股条件可以根据不同的行业和市场环境进行调整和优化，从而进一步提高选股的效果。
最终的选股逻辑
优化后的选股逻辑如下：
1.振幅大于1；
2.周线为红柱；
3.2019年分红比例大于25%；
4.市盈率低于20倍；
5.净利润增长率大于20%。
同花顺指标公式代码参考
以下是同花顺实现该选股策略的指标公式代码：
C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = DIV(CASH() * ROE(), MV()) > 0.25;
C4 = PE() < 20;
C5 = NPParentCompanyGrowRate_year_on_year() > 20;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5;
RESULT = SELECTOR;
以上代码中，DIV(CASH() * ROE(), MV())用于计算2019年分红比例，PE()用于获取市盈率，NPParentCompanyGrowRate_year_on_year()用于计算净利润增长率，其余指标的含义同上。
Python代码参考
以下是Python实现该选股策略的部分代码：
# 筛选符合条件的股票
def select_stocks():
selected_stocks = []
for stock in get_all_securities(['stock']).index:
# 获取最近一天的基本面数据和技术面数据
s_df = get_fundamentals(query(valuation, indicator).filter(valuation.code==stock).limit(1), date=datetime.now())
if s_df.empty:
continue
# 获取分红比例和净利润增长率等数据
div_yield = s_df['dividend_yield'][0]
net_profit_growth_rate = s_df['npparentcompanyprofits_year_on_year'][0]
# 判断符合选股条件
c1 = (s_df['high'][0] - s_df['low'][0])/s_df['low'][0] > 0.01
macd_df = MACD(stock, end_date=datetime.now())
c2 = macd_df['macd'][-1] > 0 and macd_df['diff'][-1] > 0
c3 = div_yield > 0.25
c4 = s_df['pe_ratio'][0] < 20
c5 = net_profit_growth_rate > 20
# 判断是否符合选股逻辑
if c1 and c2 and c3 and c4 and c5:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks()
print(result)
以上代码仅供参考，具体实现还需要根据自身需求进行调整。
## 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。
