(supermind)振幅大于1、连续5年ROE＞15%、15分钟周期MACD绿柱变短_

问财量化选股策略逻辑

选股逻辑：振幅大于1,连续5年ROE＞15%,15分钟周期MACD绿柱变短。

选股逻辑分析

该选股逻辑融合了价格波动、基本面和技术指标因素，旨在筛选出振幅适中，具有一定盈利能力的公司，并结合MACD指标的绿柱长度变化来判断短期股价走势，以更好地把握购买时机。

有何风险？

该选股策略可能存在以下风险：

1. MACD指标的绿柱变化并不能完全反映股票的趋势；
2. 选择的五年历史ROE高并不能保证未来业绩的可持续性；
3. 振幅只能作为一个简单的价格波动指标，可能存在其他价格波动因素未考虑在内。

如何优化？

为了减少选股策略存在的风险，可以考虑以下优化措施：

1. 结合其他技术指标如KDJ、RSI等，确定短期股价走势；
2. 考虑不同行业之间ROE指标的差异性；
3. 结合考虑股票的市值、盈利能力等多重因素，确保综合因素的考虑。

最终的选股逻辑

综上所述，我们可以优化出以下选股逻辑：

1. 振幅大于1；
2. 连续5年ROE＞15%;
3. 15分钟MACD的绿柱长度变短。

同花顺指标公式代码参考

C1: IF(HIGH - LOW > ATR(CLOSE, 14), 1, 0);
C2: IF((ROE(CLOSE, 5) > 15) AND (ROE(CLOSE, 4) > 15) AND (ROE(CLOSE, 3) > 15) AND (ROE(CLOSE, 2) > 15) AND (ROE(CLOSE, 1) > 15), 1, 0);
C3: IF(FILTER(MACD(M,15,30,9) - REF(MACD(M,15,30,9),1) < 0, 1) > 0, 1, 0);
SELECTOR: C1 * C2 * C3;
RESULT: SELECTOR;

python代码参考

import pandas as pd
import numpy as np
import talib as ta

df = pd.read_csv('your_data.csv', index_col='date')

C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(
    df.groupby('code')['roe'].apply(lambda x: (x > 0.15).all()), 1, 0)
C3 = np.where(ta.filter_increasing(
    df['macd'] - df['macd'].shift(1) < 0, timeperiod=1) > 0, 1, 0)
selector = C1 * C2 * C3
result = df[selector == 1].index.tolist()

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)