(supermind)振幅大于1、连续5年ROE＞15%、dea上涨_

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%,DEA上涨。

选股逻辑分析

该选股逻辑综合考虑了价格波动、基本面、技术面等多重因素，以振幅大于1为起点，筛选出盈利能力较高的公司，加上技术面指标DEA上涨过滤出价格表现较好的公司，以期望获得表现较好的股票投资标的。

有何风险？

该选股策略可能存在以下风险：

1. DEA上涨只是一个简单的技术指标，可能存在其他技术因素未考虑到；
2. ROE＞15%不能保证其未来业绩的可持续性；
3. 振幅、DEA等指标是短期内的表现，存在过于短视的风险。

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. 加入更全面的财务指标以及其他相关基本面因素；
2. 结合其他技术指标综合判断；
3. 进一步考察技术指标及相关财务指标的长期表现的可靠性。

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. 技术指标：DEA在1个月内上涨；
4. 资金强度大于等于0.8。

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(CROSS(DEA(CLOSE, SHORT=12), DEA(CLOSE, SHORT=12), 1), 1, 0);
C4: RANK(AMOUNT/10000);
SELECTOR: C1 * C2 * C3 * C4;
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.cross(ta.dea(df['close'], short=12), ta.dea(df['close'], short=12)) == 1, 1, 0)
C4 = df['amount'].groupby(
    df.index).rank(ascending=False, pct=True).apply(lambda x: 1 if x >= 0.8 else 0)
selector = C1 * C2 * C3 * C4
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)