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%、至少5个均线重合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、企业盈利能力和技术指标分析。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；至少5个均线重合则可以反映股票价格处于趋势爆发点，存在投资机会。
有何风险？
本选股策略可能存在市场风险、行业风险和股票特有的风险，如公司经营不善、财务数据造假、政策风险等。
如何优化？
本选股策略可以加入更多的技术指标，如MACD、RSI、DMI等，以便更好地确定股票趋势和价格波动性。同时，可以加入基本面相关的指标，如利润增长率、营收增长率等信息，以更全面地了解企业的盈利状况。另外，可以增加风险控制策略，如止盈保护、分散化投资等，以降低投资风险。
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%;
- 至少5个均线重合。
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)
- 均线重叠公式：
((MA(C,5)+MA(C,10))<=(MA(C,20)+MA(C,30)+MA(C,60)+MA(C,120)+MA(C,250)) )&& ((MA(C,10)+MA(C,20))<=(MA(C,30)+MA(C,60)+MA(C,120)+MA(C,250)) ) && ((MA(C,30)+MA(C,60))<=(MA(C,120)+MA(C,250)))
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
# 判断是否满足均线重叠条件
def is_ma_overlap(df):
ma5 = df['close'].rolling(window=5).mean()
ma10 = df['close'].rolling(window=10).mean()
ma20 = df['close'].rolling(window=20).mean()
ma30 = df['close'].rolling(window=30).mean()
ma60 = df['close'].rolling(window=60).mean()
ma120 = df['close'].rolling(window=120).mean()
ma250 = df['close'].rolling(window=250).mean()
if (ma5 + ma10 <= ma20 + ma30 + ma60 + ma120 + ma250).all() and \
(ma10 + ma20 <= ma30 + ma60 + ma120 + ma250).all() and \
(ma30 + ma60 <= ma120 + ma250).all():
return True
else:
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 is_ma_overlap(df):
continue
if not (df.iloc[-1]['high'] - df.iloc[-1]['low']) > df.iloc[-2]['close']*0.01:
continue
if not df.loc[df.index[-1], 'shares'] > 0:
continue
if not df.loc[df.index[-1], 'esp'] > 0:
continue
if not df.loc[df.index[-1], 'bvps'] > 0:
continue
if not df.loc[df.index[-1], 'pb'] > 0:
continue
if not df.iloc[-1]['divi'] > 0:
continue
if not df.iloc[-1]['profits'] > 0:
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。
