(supermind量化-)振幅大于1、2019分红比例＞25%、2021年

问财量化选股策略逻辑

选取振幅大于1、2019年度分红比例大于25%、2021年度业绩预测同比增长率大于0的股票作为选股对象。

选股逻辑分析

该选股策略综合考虑了股票的短期波动性、内部价值和业绩情况，选取具有潜在上涨空间且短期具备市场热度的股票作为选股对象。

有何风险？

该策略仍然偏重短期行情和市场情况，有可能存在过度追涨的风险。同时，忽略了股票的基本面情况，例如历史财务和营运情况等方面。另外，预测业绩增长率存在不可预知因素，可能存在误差。

如何优化？

可以加入更多的指标筛选，例如市盈率、市净率等的基本面指标，综合考虑股票的价值和价格情况。同时，可以利用机器学习方法优化预测模型，提高业绩预测的准确性。

最终的选股逻辑

在考虑短期波动性、内部价值和业绩情况的基础上，综合考虑股票的价值和市场情况，选取具有潜在上涨空间的股票作为选股对象。

同花顺指标公式代码参考

// 筛选振幅大于1的股票
amplitude = (HIGH - LOW) / OPEN
amplitude_bool = amplitude > 1

// 筛选2019分红比例大于25%的股票
dividend_year = DIVIDENDYIELD * 100
dividend_year_bool = dividend_year > 25

// 筛选2021年度业绩预测同比增长率大于0的股票
eps_yoy = EPSTTM * 100 / (EPSTTM - EST_EPS_FY1)
eps_yoy_bool = eps_yoy > 0

// 筛选符合条件的股票
result = amplitude_bool & dividend_year_bool & eps_yoy_bool

// 输出筛选结果
result

Python代码参考

import tushare as ts

# 筛选条件1：振幅大于1
today_data = ts.get_today_all()
amplitude = (today_data['high'] - today_data['low']) / today_data['open']
amplitude_bool = amplitude > 1

# 筛选条件2：2019分红比例大于25%
basic_data = ts.get_stock_basics()
dividend_year = basic_data['dividend_yield'] * 100
dividend_year_bool = dividend_year > 25

# 筛选条件3：2021年度业绩预测同比增长率大于0
forecast_data = ts.get_forecast_data(2021, 2)
eps_yoy = forecast_data['eps_yoy'] * 100
eps_yoy_bool = eps_yoy > 0

# 筛选符合条件的股票
result = amplitude_bool & dividend_year_bool & eps_yoy_bool

# 输出筛选结果
final_result = today_data.loc[result].sort_values(by=["turnoverratio"], ascending=False)
print(final_result)

注：以上为示例代码，请根据实际情况进行调整。

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

(supermind量化-)振幅大于1、2019分红比例＞25%、2021年_