问财量化选股策略逻辑
本选股策略选择振幅大于1、2019分红比例大于25%，并且KDJ指标中K线增长的股票为选股对象。
选股逻辑分析
该选股策略中，将技术面指标KDJ中的K线增长作为选股依据，结合振幅和分红比例这两个指标，从价格、技术和基本面等多个角度评估股票，可以筛选出绩优股票。
有何风险？
该选股策略中，依旧忽略了一些重要的基本面和宏观经济因素，KDJ指标中K线增长也可能受到一些非常规因素的影响，使得该指标的可靠性存在一定的风险。
如何优化？
可以引入更多其他技术面指标如MACD、RSI等指标，进一步评估股票的走势。同时，也可以引入基本面和宏观经济指标，综合考虑各方面因素，减少因技术因素带来的风险。
最终的选股逻辑
最终选股策略的逻辑为振幅大于1，2019分红比例大于25%，KDJ指标中K线增长的股票为选股对象。同时，引入基本面和宏观经济指标进行综合考虑。
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%
dividend_year = DIVIDENDYIELD * 100
dividend_year_bool = dividend_year > 25
// KDJ指标中K线增长
ref_k = REF(K, 1)
growth_k = (K - ref_k) / ref_k
growth_k_bool = growth_k > 0
// 合并筛选条件
result = amplitude_bool & dividend_year_bool & growth_k_bool
// 输出结果
result
Python代码参考
import tushare as ts
# 筛选条件1：振幅大于1
now_data = ts.get_today_all()
amplitude = (now_data['high'] - now_data['low']) / now_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：KDJ指标中K线增长
history_data = ts.get_k_data('601318', start='20210101')
high, low, close = history_data['high'], history_data['low'], history_data['close']
rsv = (close - pd.Series(low).rolling(window=9, min_periods=9).min()) / (pd.Series(high).rolling(window=9, min_periods=9).max() - pd.Series(low).rolling(window=9, min_periods=9).min()) * 100
K = pd.Series(rsv).rolling(window=3).mean()
D = K.rolling(window=3).mean()
J = 3 * K - 2 * D
ref_k = K.shift(1, axis=0)
growth_k = (K - ref_k) / ref_k
growth_k_bool = growth_k > 0
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & growth_k_bool
# 筛选结果
final_result = now_data.loc[result]
# 输出结果
print(final_result)
## 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。
