问财量化选股策略逻辑
选股逻辑为：振幅大于1，流通市值大于100亿元，2019分红比例＞25%。该选股策略主要考虑选取具有一定盈利能力和市值优势的优质股票。
选股逻辑分析
该选股策略注重选取具有一定盈利能力和市值优势的股票，其中，振幅大于1可以反映出一定的交投活跃度，流通市值大于100亿元是公司规模的体现，2019分红比例＞25%则代表了该股票在当前资本市场有较好的盈利能力。
有何风险？
该选股策略忽略了其他技术指标，例如股价、市净率等，在选股中可能会出现一定的偏差性。同时，过于依赖分红比例，可能会忽略股票的整体盈利能力和成长性，导致选取的股票没有足够的潜力。
如何优化？
可以结合其他技术指标和基本面因素，例如市盈率、市净率、ROE等进行综合判断，提高选股准确度。同时，考虑与行业平均分红比例进行对比，避免选取高分红但行业竞争力较弱的股票。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，2019分红比例＞25%，结合其他技术指标和基本面因素进行综合判断。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: DIV_2019 > 0.25; //2019分红比例＞25%
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')
# 筛选符合条件的股票
data['sort'] = data['circ_mv'].rank(ascending=False) # 根据流通市值进行排序
data = data[data['sort'] <= 200] # 取前200名
select_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
if market != 'SH': # 非主板股票
continue
# 判断分红比例
bonus_data = pro.dividend(ts_code=code, fields='end_date,div_proc')
if len(bonus_data) == 0 or bonus_data.iloc[0]['div_proc'] < 0.25 or bonus_data.iloc[0]['end_date'].year != 2019:
continue
select_list.append({'ts_code': code, 'name': data.iloc[i]['name']})
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(select_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
## 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。
