问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、机器人概念且流通市值小于100亿、连续5年ROE＞15%的股票中选择。
选股逻辑分析
本选股逻辑加入连续5年ROE＞15%的条件，更加注重了公司的盈利能力和财务状况，有利于筛选优质的上市公司。
有何风险？
加入连续5年ROE＞15%的条件，较大程度上选出的是成长性较好的公司，但可能会筛选掉一些业绩中等但分红较高的股票，而ROE可能会受到一些非经常性因素的影响。
如何优化？
在加入ROE条件之外，还应该考虑其它财务指标，在总市值等方面进行更详细的分析，同时应该注重业绩稳定性，避免一些暴涨暴跌的股票的选择。
最终的选股逻辑
选股条件为：在换手率3%-12%、机器人概念且流通市值小于100亿、连续5年ROE＞15%的股票中选择。
同花顺指标公式代码参考
选股条件：(fml('机器人', 100)== 1) AND (流通市值 < 100) AND (LEFT(ts_code, 2) != '11') AND (换手率 > 3) AND (换手率 < 12) AND roe_5>0.15 ORDER BY 换手率 ASC
选股结果：fml('(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (LEFT(ts_code, 2) != '11') AND (换手率 > 3) AND (换手率 < 12) AND roe_5>0.15 ORDER BY 换手率 ASC', 100)
Python代码参考
import tushare as ts
import pandas as pd
import talib
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate,vol,amount,open,pre_close')
df1 = df1.rename(columns={'turnover_rate': '今日换手率', 'vol': '成交量', 'amount': '成交额', 'pre_close': '昨日收盘价', 'open': '今日开盘价'})
df1['今日收盘价'] = pro.daily(ts_code='', start_date='20220110', end_date='20220110', fields='close').iloc[0]['close']
# 机器人概念
df2 = pro.concept(src='ts', fields='id,concept_name,src')
df2 = df2[df2['concept_name'].str.contains('机器人')]
df3 = pro.concept_detail(id=df2.iloc[0]['id'], fields='ts_code')
# 流通市值小于100亿
df4 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df4 = df4[df4['float_mv'] < 100000]
# 连续5年ROE＞15%
df5 = pro.fina_indicator(ts_code='', start_date='20160101', end_date='20211231', fields='ts_code, end_date, roe')
df5['roe_1'] = df5['roe'].shift(-1)
df5['roe_2'] = df5['roe'].shift(-2)
df5['roe_3'] = df5['roe'].shift(-3)
df5['roe_4'] = df5['roe'].shift(-4)
df5['roe_5'] = df5['roe'].shift(-5)
df5['滚动ROE'] = (df5['roe'] + df5['roe_1'] + df5['roe_2'] + df5['roe_3'] + df5['roe_4']) / 5
df6 = df5[(df5['roe'] > 0.15) & (df5['roe_1'] > 0.15) & (df5['roe_2'] > 0.15) & (df5['roe_3'] > 0.15) & (df5['roe_4'] > 0.15) & (df5['滚动ROE'] > 0.15)]
df7 = pd.merge(df4, df6[['ts_code']], on='ts_code', how='inner')
# 排除北向资金持股的股票
df8 = pd.DataFrame()
for i in range(1, 4):
df_tmp = pro.hk_hold(trade_date='20220110', exchange='SEHK', fields='ts_code,hold_ratio', north_purchase_power=0.05, north_sales_power=0.05, south_purchase_power=0.05, south_sales_power=0.05, rank=i)
df8 = pd.concat([df8, df_tmp[['ts_code']]], ignore_index=True)
df8 = df8.drop_duplicates()
df9 = pd.merge(df7, df8[['ts_code']], on='ts_code', how='outer')
df9 = df9[df9['ts_code'].isin(df8['ts_code'] == False)]
df10 = pd.merge(df9, df3[['ts_code']], on='ts_code', how='inner')
df11 = df10[(df10['今日换手率'] > 2) & (df10['今日换手率'] < 9)]
df11 = df11.round({'今日换手率': 2, 'float_mv': 2})
df11 = df11.sort_values(by='今日换手率', ascending=True)
return df11
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。
