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%、饮料酒进出口为选股对象。
选股逻辑分析
该选股策略中，振幅大于1可以筛选出波动较大的股票；2019分红比例大于25%可以筛选出分红较高的稳健股票；饮料酒进出口可以把选股范围缩小到这个子行业内，以找到行业内表现优秀的个股。这三个指标的综合作用，可以筛选出具有较强竞争力和市场受欢迎度的稳健股票，为短期交易提供了支持。
有何风险？
该选股策略中，仅考虑行业和基本面因素进行选股，难以考虑到市场中其他种类因素的影响，如政策、经济环境、地缘风险等，存在一定盲区。同时，行业因素本身也有一定的波动性，不同时期因素差异大，难以形成长期有效的选股标准。因此，在实际操作中，需要根据市场状况进行灵活调整。
如何优化？
可以引入其他行业相关指标，如上游供应链、下游市场需求等，以更全面地评估股票的价值。同时，可以增加技术面因素的分析，如RSI指标、KDJ指标等，以更全面、多角度地评估股票的短期走势。另外，可以考虑动态调整选股策略的参数，根据市场情况进行随时调整。
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%、饮料酒进出口为选股对象，并加入其他技术指标、全面基本面指标、相关行业指标等进行分析，综合考虑技术面和基本面进行选股。
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
// 筛选饮料酒进出口的股票
industry = INDUSTRY("饮料制造")
industry_bool = industry.index.isin(STOCK_CODE)
// 合并筛选条件
result = amplitude_bool & dividend_year_bool & industry_bool
// 输出结果
result
Python代码参考
import tushare as ts
import pandas_ta as ta
# 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：饮料酒进出口
industry_data = ts.get_industry_classified()
industry_bool = industry_data[industry_data['c_name'] == '饮料制造']['code'].isin(now_data['code'])
# 合并筛选条件
result = amplitude_bool & dividend_year_bool & industry_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。
