按股息率排序

通过计算各只股票的股息率=分红/股价,排序并查看前几条数据。发现能提供高现金流的候选股。计算时间:20180723。数据来自互联网。

import numpy as np
import scipy.stats as stats#加载统计部分
import scipy.optimize as opt#加载优化部分
import pandas as pd
universe = set_universe(‘A’)

#股息率
fenhong=DataAPI.EquDivGet(secID=universe,ticker=u””,eventProcessCD=u””,exDivDate=””,beginDate=u””, endDate=u””,beginPublishDate=u”20180101″,endPublishDate=u””,beginRecordDate=u””,endRecordDate=u””, field=u”ticker,publishDate,perCashDiv,recordDate”,pandas=”1″)
gujia=DataAPI.MktEqudGet(secID=universe,ticker=u””,tradeDate=u”20180723″,beginDate=u””,endDate=u””, isOpen=””,field=u”ticker,closePrice”,pandas=”1″)
table=fenhong.merge(gujia)
table[‘DividendYield’]=table.perCashDiv/table.closePrice
gx=table.sort_values(by=[‘DividendYield’], ascending=[False])
gx.head(50)

ticker publishDate perCashDiv recordDate closePrice DividendYield
2132 600785 2018-02-24 4.450 NaN 20.20 0.220297
99 000550 2018-01-16 2.317 2018-03-26 12.30 0.188374
1956 600507 2018-02-09 1.600 2018-04-03 11.59 0.138050
2061 600664 2018-02-10 0.500 2018-05-03 4.04 0.123762
313 002026 2018-04-24 0.600 2018-07-03 5.84 0.102740
282 000981 2018-04-04 0.700 2018-06-15 7.52 0.093085
134 000631 2018-03-27 0.310 2018-05-10 3.36 0.092262
1890 600376 2018-04-14 0.600 2018-06-20 6.72 0.089286
20 000036 2018-04-27 0.500 2018-06-28 6.11 0.081833
382 002110 2018-04-14 1.500 2018-05-21 19.36 0.077479
1329 300382 2018-04-25 0.500 2018-06-11 6.65 0.075188
11 000022 2018-03-07 1.319 2018-05-22 17.60 0.074943
1963 600516 2018-02-13 1.900 2018-05-24 25.57 0.074306
2187 600873 2018-03-23 0.330 NaN 4.47 0.073826
2186 600873 2018-06-01 0.330 NaN 4.47 0.073826
329 002042 2018-04-26 0.500 2018-06-05 6.97 0.071736
2159 600829 2018-01-30 0.500 2018-04-24 7.04 0.071023
2324 601566 2018-04-25 1.000 2018-05-31 14.62 0.068399
801 002674 2018-03-27 0.500 2018-05-09 7.34 0.068120
67 000429 2018-03-28 0.506 2018-06-06 7.43 0.068102
1762 600162 2018-04-11 0.160 2018-06-14 2.37 0.067511
305 002014 2018-03-08 0.450 2018-04-17 6.72 0.066964
1590 300668 2018-04-17 1.500 2018-06-28 22.49 0.066696
1777 600185 2018-04-25 0.300 NaN 4.50 0.066667
2339 601636 2018-03-29 0.300 2018-05-22 4.50 0.066667
2150 600816 2018-02-08 0.500 2018-05-03 7.54 0.066313
2786 603926 2018-03-08 1.150 2018-04-17 17.73 0.064862
1550 300625 2018-04-18 1.250 2018-06-05 19.73 0.063355
1971 600527 2018-02-08 0.150 2018-04-13 2.37 0.063291
1445 300512 2018-04-25 1.000 2018-07-06 15.98 0.062578
1679 600028 2018-03-26 0.400 2018-06-04 6.43 0.062208
620 002435 2018-04-25 0.500 2018-06-07 8.23 0.060753
676 002503 2018-03-27 0.200 2018-05-15 3.34 0.059880
1896 600383 2018-04-18 0.530 2018-07-10 8.94 0.059284
297 002003 2018-04-14 0.500 2018-06-07 8.53 0.058617
2708 603766 2018-04-04 0.330 2018-05-17 5.66 0.058304
190 000780 2018-04-11 0.200 2018-06-20 3.44 0.058140
870 002756 2018-04-25 1.000 2018-06-08 17.20 0.058140
266 000951 2018-03-24 0.680 2018-05-17 11.86 0.057336
1903 600395 2018-04-27 0.350 NaN 6.11 0.057283
2074 600688 2018-03-21 0.300 2018-07-16 5.29 0.056711
114 000581 2018-04-17 1.200 2018-07-17 21.21 0.056577
1805 600236 2018-04-27 0.330 2018-06-25 5.85 0.056410
306 002016 2018-03-31 0.720 2018-05-02 12.79 0.056294
1728 600104 2018-03-30 1.830 2018-07-16 32.60 0.056135
2608 603519 2018-04-28 0.450 2018-06-07 8.05 0.055901
131 000625 2018-04-18 0.446 2018-07-05 8.01 0.055680
1770 600177 2018-04-28 0.400 2018-06-06 7.24 0.055249
2219 600971 2018-03-24 0.360 2018-05-30 6.53 0.055130
93 000541 2018-03-30 0.329 2018-05-10 5.98 0.055017

Leave a Reply

邮箱地址不会被公开。 必填项已用*标注