(supermind)振幅大于1、昨天龙虎榜、2019分红比例＞25%_

问财量化选股策略逻辑

选股逻辑为振幅大于1，昨天出现在龙虎榜单上的股票，并且2019年分红比例大于25%的股票。通过综合分析振幅、龙虎榜单和分红比例进行选股，找到具有较大投资机会的个股。

选股逻辑分析

1. 振幅大于1表明短期内波动较大，可能存在较大的投资机会；
2. 龙虎榜单的股票通常具有短期市场炒作波动的可能性，可以作为固定收益（短线交易）的投资机会；
3. 分红意味着公司在经济上已拥有良好的稳定性和可持续性，同时也意味着潜在的高收益。

有何风险？

1. 选股后的回测模拟结果存在与实际投资收益的差距；
2. 龙虎榜单的股票可能存在过度依赖市场短期投资氛围；
3. 高分红可能会导致公司资金链压力加大，导致业绩下滑等不确定性。

如何优化？

1. 加入更多的基本面指标，如市盈率PE、市净率PB等，综合考虑选股；
2. 要正确看待分红，不能过度追求高分红，应该综合考虑企业的发展前景、现金流和财务状况等多方面进行分析。
3. 细化分析股票的投资价值，避免盲目跟从机构和市场热点。

最终的选股逻辑

选股逻辑为振幅大于1，昨天出现在龙虎榜单上的股票，并且2019年分红比例大于25%的股票。通过综合分析振幅、龙虎榜单和分红比例进行选股，以更全面、多角度的方式判断股票的价值和投资机会。

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)

# 判断昨天是否出现在龙虎榜上
lhb_data = LHB
yesterday_lhb = REF(lhb_data['buy'] + lhb_data['sell'], 1)
picks_lhb = IF(yesterday_lhb > 0, 1, 0)

# 选择2019年分红比例大于25%的股票
dividend_data = DIVIDEND
dividend_2019 = dividend_data['year'] == 2019
dividend_rate = dividend_data['divi_per_share'] / dividend_data['close']
picks_dividend = dividend_data[dividend_2019 & (dividend_rate > 0.25)].index.tolist()

# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_dividend
picks_final = SortBy(picks, C, descending=True)

# 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 = df[df['amplitude'] > 1].index.tolist()

# 判断昨天是否出现在龙虎榜上
lhb_data = pro.top_list(trade_date='20211008', fields='ts_code')
yesterday_lhb = lhb_data['ts_code'].tolist()
picks_lhb = set(yesterday_lhb)

# 选择2019年分红比例大于25%的股票
dividend_data = pro.dividend(ts_code='', fields='ts_code,year,divi_per_share')
dividend_data['close'] = df.iloc[-1]['close']
dividend_2019 = dividend_data['year'] == 2019
dividend_data['dividend_rate'] = dividend_data['divi_per_share'] / dividend_data['close']
picks_dividend = dividend_data[dividend_2019 & (dividend_data['dividend_rate'] > 0.25)]['ts_code'].tolist()

# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_lhb) & set(picks_dividend)
picks_final = df.loc[picks].sort_values(by='close', ascending=False)['ts_code'].tolist()

# 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)