问财量化选股策略逻辑
本选股策略选取满足振幅大于1、2019年分红比例大于25%且昨日未涨停的股票作为投资标的。
选股逻辑分析
本选股策略主要基于股票波动性、企业盈利能力和市场交易情况分析。振幅大于1可以反映股票波动性较高，存在投资机会；2019年分红比例大于25%反映企业盈利稳定性相对较高；剔除昨日涨停可以避免市场短期热度的影响。
有何风险？
本选股策略可能存在个股风险和操作风险。剔除昨日涨停可能会错过涨势相对强劲的标的；同时，选股策略缺少基本面指标，无法全面反映公司的盈利能力和发展前景。
如何优化？
本选股策略可以加入风险控制策略，如止盈保护、分散化投资等，以降低投资风险。同时，可以增加其他技术指标和基本面相关的指标，以更全面地了解企业的盈利状况和市场动态。
最终的选股逻辑
本选股策略选取满足以下条件的股票：
- 振幅大于1；
- 2019年分红比例大于25%;
- 昨日未涨停。
同花顺指标公式代码参考
- 振幅公式:
AVG(MAX(MAX(HIGH-LOW,ABS(HIGH-REF(LOW,1))),ABS(REF(CLOSE,1)-REF(OPEN,1))),N)
python代码参考
import tushare as ts
from datetime import datetime, timedelta
# 获取所有 A 股列表
def get_all_stock():
all_stock = ts.get_stock_basics()
return all_stock
# 判断是否满足选股逻辑
def select_logic(df):
# 振幅
if df.iloc[-1]['high'] - df.iloc[-1]['low'] <= df.iloc[-2]['close']*0.01:
return False
# 分红
if df.iloc[-1]['divi'] <= 0:
return False
# 昨日是否有过涨停
start_date = (datetime.now() - timedelta(days=2)).strftime('%Y-%m-%d')
end_date = (datetime.now() - timedelta(days=1)).strftime('%Y-%m-%d')
df_xt = ts.get_hist_data(df.name, start=start_date, end=end_date)
if df_xt[df_xt['p_change'] == 10].empty:
return True
return False
# 选取满足条件的股票
def select_stock(market='sh'):
selected_stocks = []
all_stocks = get_all_stock()
for stock in all_stocks.index:
if all_stocks.loc[stock, 'name'][0] == '*':
continue
if all_stocks.loc[stock, 'outstanding'] * all_stocks.loc[stock, 'price'] > 1000:
continue
if all_stocks.loc[stock, 'pb'] > 3:
continue
if all_stocks.loc[stock, 'pe'] > 50:
continue
df = ts.get_hist_data(stock)
if len(df) < 250:
continue
if not select_logic(df):
continue
selected_stocks.append(stock)
return selected_stocks
print(select_stock(market='sh'))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
