问财量化选股策略逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、2019分红比例大于25%。该策略旨在找到波动较大但基本面较优秀、具有较高分红率的股票。
选股逻辑分析
- 振幅大于1说明短期内波动较大；
- 开盘价在十日均线左右说明股票处于调整期；
- 2019分红比例大于25%说明公司盈利能力较好，且具备一定的分红能力。
有何风险？
- 盲目追求短期效应，可能会忽视股票的长期价值；
- 没有对未来公司盈利的预判，过分强调过去的分红能力可能会较大程度上影响到股票的长期投资价值；
- 股票的分红率远高于行业平均水平，需要审慎甄别是否存在“短期抢眼、长期价值不高”的情况。这种情况一般是公司利润存在“短期膨胀”的情况而对长期利润增长贡献不大。
如何优化？
- 需要加入未来盈利能力的预判，以更全面的方式筛选股票；
- 选择具有合理分红策略的公司，避免盲目追求高分红率所带来的短期效应风险；
- 与其他指标组合使用，综合考虑基本面、资金面等多方面因素以做出更科学的筛选。
最终的选股逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、2019分红比例大于25%的股票，需要加入未来盈利能力的预判、选择具有合理分红策略的公司、与其他指标组合使用以做出更科学的筛选，以降低风险。
同花顺指标公式代码参考
# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)
# 判断开盘价在十日均线左右
ma10 = MA(CLOSE, 10)
picks_ma10 = IF((OPEN > ma10*0.95) & (OPEN < ma10*1.05), 1, 0)
# 判断2019分红比例大于25%
dividend_2019 = DIV(IFNULL(DVDYIELDINDLJ, 0), 100)
picks_dividend = IF(dividend_2019 > 0.25, 1, 0)
# 选取符合条件的股票
picks_final = picks_amplitude * picks_ma10 * picks_dividend
# 输出选股结果
WriteIf(picks_final, picks_final, 0)
python代码参考
# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = set(df[df['amplitude'] > 1]['ts_code'].tolist())
# 判断开盘价在十日均线左右
ma10 = df['close'].rolling(10).mean()
df['picks_ma10'] = ((df['open'] > ma10*0.95) & (df['open'] < ma10*1.05)).apply(lambda x: True if x else False)
picks_ma10 = set(df[df['picks_ma10']]['ts_code'].tolist())
# 判断2019分红比例大于25%
df['dividend_2019'] = df['dvd_yield'].apply(lambda x: x / 100 if x is not None else 0)
df['picks_dividend'] = (df['dividend_2019'] > 0.25).apply(lambda x: True if x else False)
picks_dividend = set(df[df['picks_dividend']]['ts_code'].tolist())
# 选取符合条件的股票
picks_final = picks_amplitude & picks_ma10 & picks_dividend
# 输出选股结果
print(picks_final)
## 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。
