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%、未清偿可转债简称不可为空的股票作为选股对象。
选股逻辑分析
该选股策略通过振幅、分红、可转债等因素，筛选出有较好的市场表现和风险控制能力的股票，同时关注可转债的变化，以防止风险的增加。通过综合考虑多因素，提高选股的准确性和可操作性。
有何风险？
该选股策略涉及到了多个因素的综合考量，容易出现过度拟合、样本外效应等问题，需要注意数据的稳健性，尽可能避免极端情况的出现。而且未清偿可转债简称不可为空可能会导致选股池的缩小，从而使得投资标的变少，且易被套牢，建议在真实投资之前进行充分的验证。
如何优化？
可引入更多因素来筛选优质的股票，比如市盈率、市净率、技术指标等，以获得更好的收益表现。同时，可以考虑使用机器学习算法优化模型的预测能力，以及寻找更好的选股因子和权重。
最终的选股逻辑
基于振幅、分红和可转债等因素，选取具有一定风险抵御能力、市场表现优异、未清偿可转债简称不为空的股票为投资标的，以获得稳定的收益。
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
// 筛选未清偿可转债简称不为空的股票
bond_type = CHITANG
bond_empty_bool = bond_type.notna()
// 筛选符合条件的股票
result = amplitude_bool & dividend_year_bool & bond_empty_bool
// 输出筛选结果
result
Python代码参考
import tushare as ts
import pandas as pd
# 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
# 筛选条件3：未清偿可转债简称不为空
bond_data = ts.new_cbonds()
bond_empty_bool = bond_data['SY'].notna()
# 筛选符合条件的股票
result = amplitude_bool & dividend_year_bool & bond_empty_bool
# 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。
