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%、竞价时买入大单涨跌幅大于0且特大单共计买入量大于0.7千万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；竞价时买入大单涨跌幅大于0且特大单共计买入量大于0.7千万可以反映市场交易情况较好。
有何风险？
本选股策略可能存在公司基本面不稳定的风险，同时竞价大单的数量和涨跌幅不能确保股票价格的长期稳定性，投资者需要持续跟进市场变化。
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%;
- 竞价时买入大单涨跌幅大于0且特大单共计买入量大于0.7千万。
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
# 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
# 竞价大单
temp_df = ts.get_sina_dd(df.name, date=df.iloc[-1]['date'], vol=0)
if temp_df[temp_df.type == '买盘']['volume'].sum() <= 7000000:
return False
if temp_df[temp_df.type == '买盘']['price_change'].max() <= 0:
return False
return True
# 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。
