(supermind)振幅大于1、连续5年ROE＞15%、30日平均线向上_

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%,30日平均线向上。

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%、30日平均线向上的条件。该逻辑同时考虑了技术分析指标和公司基本面等因素对选股的影响，选出的股票既有上涨的趋势，又有稳定的基本面。

有何风险？

该选股逻辑可能存在以下风险：

1. 基于历史数据，未来表现存在不确定性；
2. 30日平均线向上的判断可能存在滞后性；
3. 对于一些新兴行业或者持续亏损的公司，ROE指标选股可能效果较差。

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：

1. 引入更多技术分析指标，如MACD、相对强弱指标等；
2. 对选股结果进行动态筛选，结合市场行情、政策因素等多个因素进行综合分析，进一步提高选股的准确性；
3. 对于30日平均线向上的判断，可以考虑引入更短期的均线作为辅助判断。

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：

1. 振幅>=1；
2. 连续5年ROE＞15%;
3. 30日平均线向上；
4. MACD指标DIFF>0；
5. 收盘价在5日均线之上；
6. 换手率小于5%。

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(CLOSE > MA(CLOSE, 30), 1, 0);
C4: IF(DIF(MACD, 12, 26, 9) > 0, 1, 0);
C5: IF(CLOSE > MA(CLOSE, 5), 1, 0);
C6: IF(TURNS > 0.05, 0, 1);
SELECTOR: C1 * C2 * C3 * C4 * C5 * C6;
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)
C2 = np.where(
    df.groupby('code')['roe'].apply(lambda x: (x > 0.15).all()), 1, 0)
C3 = np.where(df['close'] > df['close'].rolling(30).mean(), 1, 0)
C4 = np.where(df['dif_macd'] > 0, 1, 0)
C5 = np.where(df['close'] > df['close'].rolling(5).mean(), 1, 0)
C6 = np.where(df['turnover_rate'] < 0.05, 1, 0)

selector = C1 * C2 * C3 * C4 * C5 * C6
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)