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%、三连阴为选股对象。
选股逻辑分析
该选股策略中，振幅大于1可以筛选出波动较大的股票，2019分红比例大于25%可以筛选出分红较高的稳健股票，三连阴可以筛选出近期走势下跌的股票。这三个指标的综合作用，可以筛选出具有合理估值和弱势走势的有潜力的股票，为短期交易提供了支持。
有何风险？
该选股策略中，忽略了许多基本面和宏观经济因素，而以技术分析为基础，因此存在一定的风险。同时，由于选股依赖于历史数据，可能会出现过拟合的情况，这会导致选出的股票无法实现期望收益。
如何优化？
可以引入基本面指标和宏观经济指标，如市盈率、市净率、GDP增长率等，加强对股票的全面评估。同时，可以考虑加入其它技术指标，如RSI、KDJ等，以更全面、多角度地评估股票的走势。另外，需要注意控制过拟合的影响，可以采用交叉验证等方法。
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%、三连阴为选股对象，并增加基本面指标和技术面因素进行综合考虑。
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
// 筛选三连阴的股票
close_below_ma5_3 = (CLOSE < EMA(CLOSE, 5) ).and( CLOSE.shift(1) < EMA(CLOSE.shift(1), 5) ).and( CLOSE.shift(2) < EMA(CLOSE.shift(2), 5) )
close_below_ma5_3_bool = close_below_ma5_3 == 1
// 合并筛选条件
result = amplitude_bool & dividend_year_bool & close_below_ma5_3_bool
// 输出结果
result
Python代码参考
import tushare as ts
import pandas_ta as ta
# 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3：三连阴
history_data = ts.get_hist_data('600000')
close_below_ma5_3 = ta.EMA(history_data['close'], 5) > history_data['close']
close_below_ma5_3_bool = close_below_ma5_3.astype(int).rolling(3).sum() == 3
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & close_below_ma5_3_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。
