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%、周线MACD在零轴之上的股票为选股对象。
选股逻辑分析
本选股策略同样采用了技术面和基本面因素，振幅大于1可以反映出股票市场波动情况，2019分红比例大于25%可以增强投资者信心。加入周线MACD在零轴之上的因素，可以增强选股策略的准确性，筛选出股价稳定且增长势头良好的股票。
有何风险？
该策略同样可能会面对市场异常波动、特定行业或个股的风险。同时，此选股策略存在防御性强的特点，可能会忽略掉一些收益较高但风险较大的股票。同时，需要谨慎选择适合自己的投资标的，并及时调整投资组合，避免过度集中持仓。
如何优化？
可以加入更多的因素来制定选股策略，如市盈率、市净率等因素，从更多角度进行分析，以更全面的视角制定选股策略。可以结合宏观经济因素对行业和板块进行分析，进一步精细化选股策略。同时，需要加强资产配置和风险控制，建立科学的投资组合，对于出现异常情况，及时割肉止损，减低损失。此外，根据个人投资需求和风险承受能力对策略进行个性化调整，才能提高投资效果。
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%、周线MACD在零轴之上的股票为选股对象。
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 > 0.01
// 筛选2019年度分红比例大于25%的股票
dividend_year = DIVIDENDYIELD * 100
dividend_year_bool = dividend_year > 25
// 筛选周线MACD在零轴之上的股票
DIF, DEA, MACD = MACD(CLOSE, 12, 26, 9)
macd_bool = MACD > 0
// 合并筛选条件
result = amplitude_bool & dividend_year_bool & macd_bool
// 输出结果
result
Python代码参考
import tushare as ts
import talib
# 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：周线MACD在零轴之上
weekly_data = ts.get_k_data(now_data['code'][0], ktype='W')
DIF, DEA, MACD = talib.MACD(weekly_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
macd_bool = MACD[-1] > 0
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & macd_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。
