问财量化选股策略逻辑
今日增仓占比>5%,收盘价大于昨日的最低价,连续5年ROE＞15%
选股逻辑分析
该策略的逻辑是基于以下三个因素：
-
今日增仓占比：即当日股票的成交量与过去5日平均成交量的比例。如果增仓占比超过5%，说明市场对该股票的买入意愿较强，可能预示着未来上涨的概率较高。
-
收盘价大于昨日的最低价：即当日收盘价高于昨日最低价。这表明股票在当日出现了一定的反弹，说明市场对该股票的看涨情绪较高。
-
连续5年ROE＞15%：即过去5年该股票的年化收益率超过15%。这表明该股票的盈利能力较强，具有较好的投资价值。
综合以上三个因素，该策略的逻辑是寻找那些近期出现反弹、市场关注度较高、盈利能力较强的股票。
有何风险？
该策略的局限性在于：
-
仅考虑了过去5年的盈利能力，忽略了未来盈利能力的变化。如果未来盈利能力下降，该策略可能会选择错误的股票。
-
仅考虑了股票的短期表现，忽略了长期表现。如果股票在短期表现良好，但在长期表现不佳，该策略可能会选择错误的股票。
-
该策略可能无法捕捉到市场中的热点股票。如果市场中的热点股票不符合该策略的条件，该策略可能会错过机会。
如何优化？
为了优化该策略，可以考虑以下几点：
-
将时间窗口扩大到更长的时间段，以更好地反映股票的长期表现。
-
添加更多的因素，如市盈率、市净率等，以更好地判断股票的价值。
-
使用量化交易软件，以提高交易的效率和准确性。
最终的选股逻辑
最终的选股逻辑如下：
-
今日增仓占比>5%
-
收盘价大于昨日的最低价
-
连续5年ROE＞15%
-
市盈率低于30倍，市净率高于1.5倍
-
成交量大于100万股
python代码参考
以下是使用pandas和numpy库实现该策略的python代码：
import pandas as pd
import numpy as np
def select_stock():
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 计算今日增仓占比
df['今日增仓占比'] = df['今日成交量'] / df['过去5日平均成交量']
# 计算收盘价与昨日最低价的差值
df['收盘价差值'] = df['收盘价'] - df['昨日最低价']
# 计算连续5年ROE
df['连续5年ROE'] = df['年化收益率'] / 100 * 5
# 过滤不符合条件的股票
df = df[(df['今日增仓占比'] > 0.05) & (df['收盘价差值'] > 0) & (df['连续5年ROE'] > 0.15)]
# 计算市盈率和市净率
df['市盈率'] = df['收盘价'] / df['eps']
df['市净率'] = df['市值'] / df['净资产']
# 过滤不符合条件的股票
df = df[(df['市盈率'] < 30) & (df['市净率'] > 1.5)]
# 过滤成交量太小的股票
df = df[df['成交量'] > 1000000]
# 返回符合条件的股票列表
return df['股票代码'].tolist()
该代码会读取名为stock_data.csv的股票数据文件，并根据以上策略筛选出符合条件的股票。最后返回符合条件的股票代码列表。
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。
