问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，2019分红比例＞25%。
选股逻辑分析
该选股逻辑在基于价格走势和市场情绪等因素的基础上，加入了公司的分红比例。分红比例大于25%表明该公司有一定的盈利能力，而且未来也有望进一步提高回报率。
有何风险？
该选股逻辑的主要风险在于忽略了公司的财务数据和业绩分析。选股只基于价格走势和分红比例等几个因素，没有考虑到公司未来盈利能力的潜力和公司风险等方面，同时过于依赖历史数据，而未来市场也可能会存在变动。
如何优化？
该选股策略需要加入更多财务数据和技术面指标进行筛选，如市盈率、市净率、毛利率、净利润等数据可以进一步优化策略。同时需要结合宏观经济和政策环境对股票池进行调整，以期优化投资方向。在选股过程中需要注意风险控制，使用相关工具进行量化风险控制。
最终的选股逻辑
综合考虑技术面和基础面数据的选股策略如下：
1、振幅大于1。
2、底部抬高。
3、2019分红比例＞25%。
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：
C1: AMP()>1;
C2: BOTTOM(HIGH,C1)>BOTTOM(HIGH,C1+1);
C3: DIV(TRD_QRT_NEWPROFIT,TOTAL_SHARE)>0.25;
SELECTOR:=C1 AND C2 AND C3;
RESULT:=SELECTOR;
Python代码参考
以下是Python实现该选股逻辑的部分代码：
# 定义股票池
s_pool = ['SH.600000', 'SH.600036', 'SH.600519', 'SZ.000858',
'SZ.000333', 'SH.601398', 'SH.601288', 'SZ.000002',
'SZ.000651', 'SH.600030']
# 筛选振幅大于1，底部抬高，2019分红比例＞25%的个股
selected_stocks = (sdf['amp'] > 1) & \
(sdf['low'].rolling(window=C1).apply(lambda x: (np.argmax(x[-C1:]) == C1 - 1) and (np.argmax(x[:-C1]) < np.argmax(x[-C1:])), raw=False)) & \
(sdf['trd_qt_newprofit'] / sdf['total_share'] > 0.25)
# 返回选中个股的代码
return selected_stocks['symbol'].tolist()
通过在Python中综合考虑技术面和基础面数据的选股逻辑，并加入公司分红比例等数据进行筛选，可以提高选股的准确度和质量，让我们更加准确地发现具有上涨潜力的个股。
## 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。
