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%、9点25分涨幅小于6%的股票作为选股对象。
选股逻辑分析
该选股逻辑是在振幅大于1和2019分红比例大于25%筛选的基础上，加入了股票开盘后的涨幅条件以进一步缩小选股范围，在较低风险的情况下尽可能提高收益。
有何风险？
该选股逻辑可能存在过度筛选的问题，缩小了股票的选取范围，可能导致短期内无法找到符合条件的股票。同时，选取开盘后的涨幅可能会受到价格波动和市场情绪的影响，产生较大的误差。
如何优化？
可以考虑将选股条件进一步细化，筛选更符合市场热点和趋势的股票。同时，可选择不同的时间点进行股票涨幅的计算，以避免过度依赖单一数据点，降低选股中的误差和风险。
最终的选股逻辑
通过振幅、分红和涨幅等多因素，选取具有较好表现和较低风险的股票作为投资标的，以获得稳定的收益。
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>0.01
// 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9点25分涨幅小于6%的股票
rise = (OPEN-OPEN[1])/OPEN[1]
rise_bool = rise<0.06
// 筛选符合条件的股票
result = amplitude_bool & dividend_year_bool & rise_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 > 0.01
# 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3：9点25分涨幅小于6%
minute_data = ts.get_today_ticks('600000')
prev_open = minute_data[minute_data['time'] == '09:25:00']['price'].iloc[0]
open = today_data[today_data['code'] == '600000']['open'].iloc[0]
rise = (open - prev_open) / prev_open
rise_bool = rise < 0.06
# 筛选符合条件的股票
result = amplitude_bool & dividend_year_bool & rise_bool
# 输出筛选结果
final_result = today_data.loc[result].sort_values(by=["DOMINANTMARKETMAKING"], 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。
