问财量化选股策略逻辑
选股逻辑为：振幅大于1、日线MACD大于0、过去5年ROE均大于15%的股票。在每个交易日的开盘前进行选股，然后按照指标条件进行筛选，选出具有较好投资潜力的股票进行交易。
选股逻辑分析
该选股逻辑主要融合了技术分析（振幅、MACD指标）和基本面分析（ROE），选择具有良好基本面和走势特征的股票，对企业质量有更高的要求。但是，该选股逻辑忽略了更多市场因素，而ROE并不能完全反映企业的全面质量和未来发展。
有何风险？
该选股策略存在以下风险：
-
基于过去5年ROE的选股过于依赖历史数据，不足以反映企业的未来发展潜力。
-
该选股方法忽略了更多市场因素的影响，例如行业地位、股票估值等，在市场波动大、走势复杂的情况下可能表现不佳。
如何优化？
为了优化该选股策略，我们可以采取以下措施：
-
引入更多基本面指标或市场因素进行选股，尽量综合考虑企业质量和未来发展潜力，例如行业地位、财务状况、市盈率等。
-
通过基于机器学习的方法，建立更加全面类型的模型，以充分挖掘市场大数据，做到更准确地选出高性价比的股票。
最终的选股逻辑
选股逻辑为：振幅大于1、日线MACD大于0、过去5年ROE均大于15%的股票，并进一步综合分析企业基本面、市场因素，以充分评估其投资价值和未来发展潜力。
同花顺指标公式代码参考
可以采用以下通达信指标公式：
A > 1 AND C > 0 AND REF((G+I+J)/3,0) > 0.15 AND REF((G+I+J)/3,1) > 0.15 AND REF((G+I+J)/3,2) > 0.15 AND REF((G+I+J)/3,3) > 0.15 AND REF((G+I+J)/3,4) > 0.15
其中，A为振幅，C为当前交易日的收盘价，G、I、J为当前交易日的净利润、总股本、归属股东的净利润，(G+I+J)/3即为ROE，REF用于取历史数据。
python代码参考
select(
(symbol.amplitude > 1) &
(symbol.macd.macd > 0) &
(symbol.financial_indicator.roe.mean(axis=0).rolling(5).apply(lambda x: all(x > 0.15)))
)
其中，symbol为股票代码或名称，amplitude表示振幅，macd表示MACD指标，mean(axis=0)计算ROE，rolling(5)表示选择过去5年，apply(lambda x: all(x > 0.15))表示ROE均大于15%。
## 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。
