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%、连续3天以上大单净量大于0.05的股票为选股对象。
选股逻辑分析
该选股策略综合考虑了技术面和基本面因素，振幅大于1可以反映出股票市场波动情况，2019分红比例大于25%可以增强投资者信心，连续3天以上大单净量大于0.05则可以反映出股市中机构资金的流入，增加股票上涨动力。这些因素的综合考虑可以提高选股的准确率和成功率。
有何风险？
该策略可能会出现过度追求短期利润、机构操纵的情况，因为连续3天以上大单净量大于0.05并不一定意味着股票价格将会上涨，并且机构也可能会因为自身利益而进行操纵，增加投资者的风险。
如何优化？
可以加入更为全面的基本面分析和行业分析，以更加客观、丰富的视角得出选股策略。同时，设定更为灵活的选股条件和交易频率，并结合资产配置和风险控制制定更为科学的选股策略。
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%，连续3天以上大单净量大于0.05的股票为选股对象。
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分红比例大于25%的股票
dividend_year = DIVIDENDYIELD * 100
dividend_year_bool = dividend_year > 25
// 筛选连续3天以上大单净量大于0.05的股票
big_net_buy_bool = REF(BIGNETVOLUME, 1) > 0.05 AND REF(BIGNETVOLUME, 2) > 0.05 AND BIGNETVOLUME > 0.05
// 合并筛选条件
result = amplitude_bool AND dividend_year_bool AND big_net_buy_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：连续3天以上大单净量大于0.05
big_net_buy = ts.get_sina_dd('000001', date='2020-01-01') # 以沪指为例，获取大单净额数据
big_net_buy_bool = (big_net_buy['net'] > 0.05).rolling(window=3).sum() == 3
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & big_net_buy_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。
