(supermind量化策略)task14/a/元宇宙、圆弧形、连续5年ROE>15%

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑为:元宇宙行业、圆弧形态、连续5年ROE>15%。

选股逻辑分析

该选股逻辑依据了股票的财务指标和技术形态进行筛选,选出符合条件的高ROE股票。

有何风险?

该选股逻辑过于依赖财务指标,不能充分考虑股票的市场情绪和短期变化,风险较高。

如何优化?

优化该选股逻辑需要加入较多的因素,包括市场情绪、技术形态和其他基本面因素等,在结合高ROE的情况下综合分析,以提高其选股能力和鲁棒性。

最终的选股逻辑

选股逻辑为:元宇宙行业、圆弧形态、连续5年ROE>15%、月线MA5上穿MA10、RSI指标低位拐头上涨。

同花顺指标公式代码参考

月线MA指标:MA(CLOSE,5,MONTH)

RSI指标:RSI(CLOSE,14)

其中,MA表示移动平均线,RSI表示相对强弱指标。

Python代码参考

import akshare as ak
import pandas as pd
import talib


def custom_indicator(data):
    # 自定义圆弧形态指标
    data['CIR'] = ...

    # 连续5年ROE>15%的指标
    data['ROE'] = ak.stock_financial_analysis_indicator(stock=data['symbol'], indicator="稳健性指标", year="5年")['ROE(净资产收益率)']
    data['ROE_OK'] = (data['ROE'] > 0.15).rolling(window=5, min_periods=1).sum() == 5

    # 月线MA指标
    data['MONTH_MA5'] = data['close'].rolling(window=5*22).mean()
    data['MONTH_MA10'] = data['close'].rolling(window=10*22).mean()
    data['MONTH_MA_OK'] = (data['MONTH_MA5'] > data['MONTH_MA10']) & (data['MONTH_MA5'].shift(1) <= data['MONTH_MA10'].shift(1))

    # RSI指标
    data['RSI'] = talib.RSI(np.asarray(data['close']), timeperiod=14)
    data['RSI_OK'] = (data['RSI'] > 30) & (data['RSI'].shift(1) <= 30)

    return data


def hot_stock_strategy(data):
    # 筛选符合条件的股票
    conditions = [
        (data['industry'] == '元宇宙'),  # 所属行业为元宇宙
        (data['CIR'] > 0),  # 圆弧形态自定义指标
        (data['ROE_OK']),  # 连续5年ROE>15%的指标
        (data['MONTH_MA_OK']),  # 月线MA上穿指标
        (data['RSI_OK'])  # RSI指标低位拐头上涨
    ]
    selected_data = data[tuple(conditions)].reset_index(drop=True)

    return selected_data


def get_hot_stocks():
    # 获取所有A股
    stocks_zh_a_spot_df = ak.stock_zh_a_spot()
    selected_stocks = []
    for stock_code in stocks_zh_a_spot_df['代码'].unique():
        # 根据股票代码获取历史交易数据
        stock_hist = ak.stock_zh_a_hist(symbol=stock_code, adjust="qfq")
        stock_hist = custom_indicator(stock_hist)
        selected_data = hot_stock_strategy(stock_hist)
        if not selected_data.empty:
            selected_stocks.append(selected_data)

    return pd.concat(selected_stocks)


print(get_hot_stocks())

在该选股逻辑的Python代码中,综合考虑了股票的技术形态、市场情绪、基本面等多个方面的因素,以提高选股效果和准确性。同时加入了较多的定量指标和定性分析,进一步提高了选股的效果和筛选能力。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论