问财量化选股策略逻辑
选股逻辑为振幅大于1，20日均线大于120日均线，连续5年ROE＞15%。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 20日均线大于120日均线，说明该股票处于上涨趋势；
- 连续5年ROE＞15%，显示该股票具有良好的盈利能力。
有何风险？
该选股逻辑可能存在以下风险：
- 只考虑连续5年ROE＞15%可能会低估其他重要的选股条件；
- 未考虑股票估值、市盈率等指标，有可能选出的股票可能过分看重短期收益且过度投入热门行业。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 引入其他技术指标，如相对强弱指标、成交量等，多维度综合考虑，提高选股精度；
- 考虑整体市场和行业的估值情况，避免盲目投资；
- 追加一些财务指标，如营业收入增长率、净利润增长率等维度，增强选股逻辑的严谨性。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，20日均线大于120日均线；
- 引入其他技术指标，如相对强弱指标、成交量等，多维度综合考虑，提高选股精度；
- 考虑整体市场和行业的估值情况，选取估值合理的股票；
- 财务数据方面除考虑连续5年ROE＞15%外，还要考虑营业收入增长率、净利润增长率等维度。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，20日均线大于120日均线 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120)
AND ROE > 15 AND ROE_1 > 15 AND ROE_2 > 15 AND ROE_3 > 15 AND ROE_4 > 15
LIMIT 10
注：以上代码需要在同花顺的选股界面中进行填充，其中MA、REF、ROE等为同花顺自带的技术指标，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取股票基本信息 ####
rs_basic_info = bs.query_stock_basic()
#### 获取财务数据 ####
selected_code = []
for code in rs_basic_info[(rs_basic_info['marketType']=='沪A')|(rs_basic_info['marketType']=='深A')]['code'].tolist():
rs_profit = bs.query_profit_data(code=code, year=5)
data_profit = rs_profit.get_data()
if len(data_profit) == 0:
continue
if float(rs_basic_info[rs_basic_info['code']==code]['flowHShare']) > 1000000000:
continue
if (data_profit['roe'][0]>0.15) and (data_profit['roe'][1]>0.15) \
and (data_profit['roe'][2]>0.15) and (data_profit['roe'][3]>0.15) \
and (data_profit['roe'][4]>0.15) and (data_profit['npMargin'][4]>0.15):
#### 获取行情数据 ####
rs_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume",
start_date=datetime(2021, 1, 1).strftime('%Y-%m-%d'),
end_date=datetime(2021, 12, 31).strftime('%Y-%m-%d'),
frequency="d", adjustflag="3")
data = rs_data.get_data()
if len(data) == 0:
continue
if data['close'].iloc[-1] > data['ma20'].iloc[-1] \
and data['high'].max()/data['low'].min() > data['close'].shift(1).iloc[-1]*0.01 \
and data['low'].iloc[-1] < data['low'].shift(1).iloc[-1]:
selected_code.append(code)
#### 登出系统 ####
bs.logout()
return selected_code
注：以上python代码需要安装baostock、pandas、ta等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
