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%、收盘价大于昨日的最低价的股票为选股对象。
选股逻辑分析
该选股策略将价格波动性、基本面和技术面指标综合考虑在内。通过挑选出振幅较大、分红比例较高、并且有一定价格上涨趋势的股票，进一步提高选股质量。
有何风险？
该选股策略虽然涵盖了基本面和技术面指标，但是忽略了一些公司财务和行业宏观风险的影响，需要进一步完善选股逻辑。
如何优化？
通过深度学习的方法对大量的基本面和技术指标进行挖掘，利用机器学习和人工智能技术，优化选股策略并增加预测准确率。同时引入动态调整机制，加强市场风险防御能力。
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%，收盘价大于昨日的最低价的股票为选股对象。通过引入机器学习和动态调整机制，形成更为全面、准确的选股策略。
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
// 筛选收盘价大于昨日的最低价
yesterday_low = REF(LOW, 1)
close_bool = CLOSE > yesterday_low
// 合并筛选条件
result = amplitude_bool & dividend_year_bool & close_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：收盘价大于昨日最低价
yesterday_data = ts.get_hist_data('000001', ktype='D', start='2022-01-01', end='2022-02-01') # 以'000001'为例，选择一段时间取前一天的数据
yesterday_low = yesterday_data['low'].iloc[-1]
close_bool = now_data['trade'] > yesterday_low
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & close_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。
