问财量化选股策略逻辑
选股逻辑：在RSI小于65、昨日竞价换手率大于0.26，同时连续5年ROE＞15%的情况下进行选股。
选股逻辑分析
该选股策略除了技术指标外，还加入了基本面的分析。透过ROE反映企业核心利润能力和资本利用效率，筛选资本质量优秀的企业。RSI小于65代表股票存在一定的安全边际，昨日竞价换手率大于0.26代表市场对该股看好程度较高，此外连续5年ROE＞15%既代表企业质量优秀，同时也有预示未来良好收益的信号。
有何风险？
该选股策略可能会忽略一些业绩表现波动但成长性较强的企业。ROE也有可能受到估值、行业周期等因素的影响，不能单纯依赖于这个指标进行选股。
如何优化？
1.综合分析基本面：除了ROE，可以加入其他的基本面指标，如市盈率、市净率、资产负债率等，来综合判断企业的价值和投资潜力。
2.更加合理地设置策略参数：对于ROE的年度、阈值等参数的设置应该更加灵活。同时可以通过统计学方法来适当调节参数，以实现优化。
最终的选股逻辑
选股标准为RSI小于65、昨日竞价换手率大于0.26，同时连续5年ROE＞15%。
同花顺指标公式代码参考
// RSI小于65
CONDITION1 = RSI(C,14) < 65;
// 昨日竞价换手率大于0.26
CONDITION2 = Turnover > 0.26;
// 连续5年ROE＞15%
CONDITION3 = ROE > 15 and COUNT(ROE>15, 5) == 5;
// 选取符合条件的股票
SELECT (CONDITION1 AND CONDITION2 AND CONDITION3);
python代码参考
import tushare as ts
import numpy as np
import talib as ta
def select_stocks(stocks):
res = []
for stock in stocks:
try:
if stock.startswith('60') and stock[0:6] != '600000': # 排除北京的A股企业
continue
year_data = ts.get_profit_data(stock)
if year_data is None or len(year_data) < 5:
continue
if np.nanmax(year_data['roe']) < 15 or not all(year_data['roe'].tail(5) > 15): # 筛选连续5年ROE＞15%的股票
continue
price_data = ts.get_hist_data(stock, start='2021-01-01')
if price_data is None:
continue
rsi_data = ta.RSI(price_data['close'].values, timeperiod=14)
if rsi_data[-1] > 65: # 筛选RSI的值
continue
yesterday_data = ts.get_hist_data(stock, ktype='D', start='2021-01-01').iloc[-2]
turnover = yesterday_data['volume'] * yesterday_data['close'] / ts.get_stock_basics().loc[stock]['circulating_a']
if turnover < 0.26: # 筛选昨日竞价换手率
continue
res.append((ts.get_realtime_quotes(stock).loc[0]['price'], stock))
except Exception as e:
print(e)
continue
res.sort(reverse=True)
return [i[1] for i in res]
stocks = np.array(ts.get_stock_basics().index)
res = select_stocks(stocks)
print(res)
注意：在实际代码中可能需要对于数据类型和异常进行额外判断。对于无法用tushare查询到的数据，可以使用信息披露网站或者其他数据源查询。由于tushare数据获取的限制，获取历史数据时需要考虑时间范围的限制。
## 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。
