问财量化选股策略逻辑
选股逻辑：振幅大于1, 底部抬高, 连续5年ROE＞15%。
选股逻辑分析
该选股逻辑结合了技术面指标和基本面指标，同时考虑了公司长期业绩。振幅和底部抬高指标可以较好地反映股票价格的走势，ROE则可以反映公司盈利状况，同时连续5年ROE＞15%可以凸显公司的长期业绩稳定性。该指标比较全面地判断了股票走势和公司业绩状况。
有何风险？
该选股逻辑过于依赖公司基本面，容易受到一些特殊情况的影响，如会计问题、管理层变动、行业变革等，也容易遗漏某些短期行情较好但长期业绩不稳定的股票。同时，ROE指标本身也有局限性，可能无法完全反映公司的价值和成长性。
如何优化？
为了提高该选股逻辑的可靠性和有效性，可以进一步加入其他技术面指标和基本面指标。比如加入成交量、均线系统、市盈率、市净率等技术面指标，加入其他基本面指标如市值、财务健康状况等，以尽可能全面地判断股票和公司情况。同时，可以结合不同行业和市场情况，制定有效的选股策略，避免投资风险。
最终的选股逻辑
基于以上分析，完善的选股逻辑如下：
1.振幅大于1；
2.底部抬高；
3.连续5年ROE＞15%；
4.加入其他技术面指标和基本面指标判断；
5.制定有效的选股策略。
同花顺指标公式代码参考
以下是同花顺实现该选股策略的指标公式代码：
C1 = AMP() > 1;
C2 = BOTTOM(HIGH, 2) > BOTTOM(HIGH, 3) > BOTTOM(HIGH, 4);
C3 = ROE() > 15 AND ROE()[-1] > 15 ... AND ROE()[-4] > 15;
SELECTOR = C1 AND C2 AND C3;
RESULT = SELECTOR;
Python代码参考
以下是Python实现该选股策略的部分代码：
# 筛选符合条件的股票
def select_stocks(start_date, end_date):
selected_stocks = []
for stock in stocks:
# 获取该股票在指定时间内的历史K线数据
df_kline = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['open', 'high', 'low', 'close', 'volume'], skip_paused=True, fq='pre')
# 计算底部抬高指标和振幅，判断是否符合选股逻辑
c1 = df_kline['high'].std() > 1
c2 = BOTTOM(df_kline['high'], 2) > BOTTOM(df_kline['high'], 3) > BOTTOM(df_kline['high'], 4)
# 判断该股票连续5年ROE是否大于15%
df_financials = get_fundamentals(query(fundamentals.financial_indicator.roe).filter(fundamentals.stockcode == stock), date=end_date)
c3 = all((df_financials['roe'] > 0.15).tail(5))
# 加入其他技术面指标和基本面指标的判断
# 选取符合条件的股票，加入结果列表中
if c1 and c2 and c3:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks('2021-01-01', '2021-12-31')
print(result)
以上代码仅供参考，具体实现还需要根据自身需求进行调整。
## 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。
