问财量化选股策略逻辑
该选股策略选股逻辑为：换手率3%-12%,前25天有涨停,连续5年ROE＞15%。
选股逻辑分析
该选股策略通过筛选换手率较为活跃的股票，且前25天有涨停，同时要求连续5年ROE＞15%的股票。其目的是选取赚钱能力较强的股票。
有何风险？
该选股策略存在风险。仅通过ROE指标来评估公司的盈利能力并不全面，还需要考虑其它财务指标，如净利润、毛利润等，同时还应结合公司的行业、市场环境等因素进行分析。此外，股票市场波动风险和投资操作风险也需要注意。
如何优化？
可以引入其他技术指标，如市值、PEG因子等指标。通过加入市值、PEG等指标来筛选具有较好的市场表现和盈利能力的公司，增加选股策略的安全性和精确性。同时，可以使用机器学习算法对股票走势、基本面和市场情况进行分析。
最终的选股逻辑
该选股策略选股逻辑为：选择换手率3%-12%、前25天有涨停的股票，同时要求连续5年ROE＞15%的股票。
同花顺指标公式代码参考
通达信指标代码：
Ma5:=MA(ROE,5);
Ma10:=MA(ROE,10);
Ma20:=MA(ROE,20);
Ma60:=MA(ROE,60);
Ma120:=MA(ROE,120);
CONDITION1:=MA5>=15 AND MA10>=15 AND MA20>=15 AND MA60>=15 AND MA120>=15;
CONDITION2:=(VOL/HGVBARS(V,30)>=3) AND (VOL/HGVBARS(V,30)<=12) AND (HHVBARS(HIGH>=HH,1)>=1);
SELECTED:=CONDITION1 AND CONDITION2;
python代码参考
import pandas as pd
import numpy as np
import time
from datetime import datetime, timedelta
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
api = TdxHq_API()
ip = select_best_ip('tdx')
api.connect(ip['ip'], ip['port'])
df_stocks = pd.read_csv('stock_list.csv')
selected_stocks = []
for code in df_stocks['code']:
if code.startswith('60') and df_stocks[df_stocks['code'] == code]['market_type'].values[0] != 5 and \
df_stocks[df_stocks['code'] == code]['delist_date'].values[0] == '':
if not api.is_ST(code) and api.get_stock_list_by_market(1)['name'].tolist().count(df_stocks[df_stocks['code'] == code]['name'].values[0]) == 0 and \
api.get_stock_list_by_market(2)['name'].tolist().count(df_stocks[df_stocks['code'] == code]['name'].values[0]) == 0 and \
df_stocks[df_stocks['code'] == code]['list_date'].values[0] <= '2000-01-01':
try:
stock_info = api.get_security_quotes([code])[0]
s_info = api.get_finance_info(0, code)
roe = []
for i in range(5):
year = str(datetime.today().year - i)
roe.append(float(s_info['eps_yoy'][s_info['report_date'].str.startswith(year)].values[0].strip('%')))
if all(i >= 15 for i in roe):
k_data = api.get_security_bars(9, 0, code, 4, datetime.today().strftime('%Y-%m-%d'))
k_data.set_index('date', inplace=True)
if len(k_data) > 0 and \
k_data['turnover'].quantile(0.7) >= 0.03 and \
k_data['turnover'].quantile(0.7) <= 0.12 and \
len(k_data[k_data['pct_chg'] >= 9.90]) >= 1:
selected_stocks.append({'code': code,
'name': df_stocks[df_stocks['code'] == code]['name'].values[0],
'market_type': df_stocks[df_stocks['code'] == code]['market_type'].values[0],
'industry': df_stocks[df_stocks['code'] == code]['industry'].values[0],
'roe_1y': roe[0],
'roe_2y': roe[1],
'roe_3y': roe[2],
'roe_4y': roe[3],
'roe_5y': roe[4]})
except Exception as e:
print(e)
continue
df_selected_stocks = pd.DataFrame(selected_stocks)
api.disconnect()
## 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。
