(supermind)振幅大于1、连续5年ROE＞15%、2019分红比例＞25%

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%,2019分红比例＞25%。

选股逻辑分析

该选股策略需要股票满足振幅大于1、连续5年ROE＞15%、2019分红比例＞25%的条件进行选股。其中，振幅大于1的条件可以筛选出波动较大的股票，连续5年ROE＞15%可以筛选出盈利能力较强的公司，2019分红比例＞25%可以筛选出具有较好的现金流分配能力的公司，增加选股的可靠性。

有何风险？

该选股逻辑可能存在以下风险：

过度依赖历史业绩，未考虑公司未来发展的潜力；
科技股等高成长行业可能不能满足ROE＞15%的条件；
可能受到年度变化和虚高分红的影响，对选股结果造成误导。

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：

考虑公司未来发展的潜力，增加相关指标进行辅助分析；
对于高成长行业提出更加合适的ROE指标；
增加多个年度的股息分配比例进行综合评估，以反映公司分红能力的趋势。

最终的选股逻辑

基于以上分析和优化，我们可以得到以下完善的选股逻辑：

振幅大于1；
连续5年ROE＞15%；
2019、2020、2021三年中至少有两年分红比例＞25%。

同花顺指标公式代码参考

C1: IF(HIGH - LOW >= 1, 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((DIV(CLOSE, 2019) >0.25)+(DIV(CLOSE, 2020)>0.25)+(DIV(CLOSE, 2021)>0.25)>=2, 1, 0);
SELECTOR: C1 * C2 * C3;
RESULT: SELECTOR;

python代码参考

import pandas as pd
import numpy as np

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

C1 = np.where(df['high'] - df['low'] >= 1, 1, 0)

def check_roe(x):
    return (x > 0.15).all()

C2 = np.where(df.groupby('code')['roe'].apply(check_roe), 1, 0)

dividend_2019 = df.groupby('code')['dividend'].apply(lambda x: x.iloc[-3] / x.iloc[-4])
dividend_2020 = df.groupby('code')['dividend'].apply(lambda x: x.iloc[-2] / x.iloc[-3])
dividend_2021 = df.groupby('code')['dividend'].apply(lambda x: x.iloc[-1] / x.iloc[-2])

C3 = np.where((dividend_2019 > 0.25) + (dividend_2020 > 0.25) + (dividend_2021 > 0.25) >= 2, 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)

(supermind)振幅大于1、连续5年ROE＞15%、2019分红比例＞25%_