问财量化选股策略逻辑
选取振幅大于1、2019年度分红比例大于25%、收盘价在Bollinger Bands的上轨以下且在中轨以上的股票作为选股对象。
选股逻辑分析
该选股策略旨在在短期涨势较强的股票中，筛选业绩稳定、分红较好的股票。同时，利用Bollinger Bands指标判断当前的股价是否处在正常区间，避免高位追涨。
有何风险？
该策略忽略了市场趋势、板块等因素对股票的影响，选股结果可能会受到一些系统性偏误的影响。另外，Bollinger Bands指标仅是一种技术分析工具，其也可能受到其他因素的影响。
如何优化？
可以引入更多市场因素、板块因素，结合Bollinger Bands指标进行更准确的选股。同时，需要考虑到财务报表的更新频率，近期利润增速等指标，以更好地反映公司的业绩情况，避免因信息滞后导致投资出现问题。
最终的选股逻辑
综合振幅、2019分红比例、Bollinger Bands指标等多方面因素筛选出股价处于中轨以上且在上轨以下的、业绩稳定、分红较好的股票作为选股对象。
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
// Bollinger Bands指标
sd = STDEV(CLOSE,20)
middle = MA(CLOSE,20)
upper = middle + 2 * sd
lower = middle - 2 * sd
// 筛选符合条件的股票
condition1 = CLOSE < upper
condition2 = CLOSE > middle
result = amplitude_bool & dividend_year_bool & condition1 & condition2
// 输出筛选结果
result
Python代码参考
import tushare as ts
# 筛选条件1：振幅大于1
today_data = ts.get_today_all()
amplitude = (today_data['high'] - today_data['low']) / today_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
# Bollinger Bands指标
rolling_mean = today_data['trade'].rolling(window=20).mean() # 计算移动平均线
rolling_std = today_data['trade'].rolling(window=20).std() # 计算标准差
upper_band = rolling_mean + 2 * rolling_std # 计算上轨
middle_band = rolling_mean # 计算中轨
lower_band = rolling_mean - 2 * rolling_std # 计算下轨
# 筛选符合条件的股票
condition1 = today_data['trade'] < upper_band
condition2 = today_data['trade'] > middle_band
result = amplitude_bool & dividend_year_bool & condition1 & condition2
# 输出筛选结果
final_result = today_data.loc[result].sort_values(by=["DOMINANTMARKETMAKING"], ascending=False)
print(final_result)
注：以上为示例代码，仅供参考，实际使用中需根据具体情况做适当调整。
## 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。
