(supermind策略)换手率3%-12%、北京A股除外、连续5年ROE＞15%

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%,剔除北京A股以及ROE连续5年大于15%的股票中选取。

选股逻辑分析

此选股逻辑主要考虑了公司的盈利能力，通过筛选ROE连续5年大于15%的公司，来减少风险。另外，筛选出换手率3%-12%的股票，以防止利用高换手率带来的涨停盘等非自然因素，减少投资风险。

有何风险？

该选股方法存在较强的市场风格依赖性，当市场走出市值中心、以成长或价值为代表的风格逐渐盛行时，所筛选出的股票表现可能会大幅滑落，选股风险相对较高。此外，也存在 ROE 数值被人为操控的风险，需要结合其他指标进行判断。

如何优化？

可以结合其他基本面指标、技术指标等进行综合考量，以减少选股过程中的误判，降低风险。通过时序数据（如 ARIMA 等时间序列预测方法）考量ROE的时间趋势，然后结合行业和经济指标对 ROE 进行打分，进一步筛选出优质的股票，提高选股精度。

最终的选股逻辑

在换手率3%-12%,剔除北京A股以及ROE连续5年大于15%的股票中进行选取，并综合考虑其他相关因素对股票进行筛选。

同花顺指标公式代码参考

本选股逻辑无需使用同花顺指标公式。

Python代码参考

import tushare as ts
import pandas as pd

def select_good_stocks():
    ts.set_token('your_token')
    pro = ts.pro_api()

    # 筛选出反包内的股票
    df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
    df2 = pd.read_excel('path/to/reverse_list.xlsx')
    reverse_stocks = df2['代码'].tolist()
    df1 = df1[df1['ts_code'].isin(reverse_stocks)]

    df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
    df1 = df1[(df1['name'].str.contains('ST') == False)]
    df1 = df1[(df1['area'] != '北京')]

    # 获取ROE连续5年大于15%的股票
    df_fg = pro.fina_indicator(ts_code='', start_date='', end_date='', fields='ts_code,end_date,roe')
    df_fg = df_fg.drop_duplicates(subset=['ts_code', 'end_date']).reset_index(drop=True)
    df_fg['roe'] /= 100
    roe = df_fg.groupby('ts_code')['roe'].apply(lambda x: x.nlargest(5, keep='all').prod())
    stocks = roe[roe>=1.15].index.tolist()

    df1 = df1[df1['ts_code'].isin(stocks)]
    df1 = df1.head(20)
    return df1

good_stocks = select_good_stocks()
print(good_stocks)

    ## 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)

(supermind策略)换手率3%-12%、北京A股除外、连续5年ROE＞15%_