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%、按今日竞价金额排序前5的股票为选股对象。
选股逻辑分析
该选股策略融合了技术面和基本面的因素。振幅大于1可以提高基本面，2019分红比例大于25%能够增强投资者的信心，同时考虑按今日竞价金额排序前5可以反映出当日市场的交易活跃度和投资热点。综合考虑这些因素可以提高选股的成功率。
有何风险？
该策略可能会出现选股成本过高的情况，因为按照竞价金额排序，股价可能已经大幅上涨。同时这种策略的交易频率较高，如果交易次数不加限制，也可能导致过度交易和损失过多。
如何优化？
可以设定更为合理的选股条件和交易频率，同时考虑长期资产配置和风险管控。可以结合技术指标和基本面的综合分析得出更加客观和可靠的选股策略，优化交易频率减小费用支出。
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%，按竞价金额排序前5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分红比例大于25%
dividend_year = DIVIDENDYIELD * 100
dividend_year_bool = dividend_year > 25
// 按竞价金额排序前5
rank = RANK(JJME)
rank_bool = rank <= 5
// 合并筛选条件
result = amplitude_bool & dividend_year_bool & rank_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：按竞价金额排序前5
now_data = now_data.sort_values(by='jme', ascending=False)
rank_bool = (now_data.index <= 5)
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & rank_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。
