(supermind)振幅大于1、连续5年ROE＞15%、macd零轴以上

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%,MACD零轴以上。

选股逻辑分析

该选股逻辑融合了基于价格走势和基本面的策略，旨在通过多个指标综合评估选定价值高且有上涨潜力的股票。其中，振幅大于1的指标可以较好反应近期价格波动情况，ROE>15%可以较好体现公司的盈利能力，MACD零轴以上可以较好反应短期价格走势。

有何风险？

该选股策略可能存在以下风险：

该策略过于依赖技术指标，可能忽略公司的实际经营情况；
该策略可能忽略掉其他影响公司股票走势的因素。

如何优化？

为了降低上述风险，我们可以考虑以下优化措施：

在综合考虑技术指标的情况下，加入更多基本面的评估因素；
在选取MACD指标时，结合其他技术指标，进行更全面客观的判断；
结合其他策略，如基本面投资、趋势跟踪等。

最终的选股逻辑

基于上述考虑，我们综合出以下选股逻辑：

振幅大于1；
连续5年ROE＞15%；
MACD线在零轴以上。

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(MACD(CLOSE, 12, 26, 9) > 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')

def roe_above_threshold(df, n=5, threshold=0.15):
    mask = (df.iloc[-n:]['roe'] > threshold)
    return mask.all()

C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(df.groupby('code').apply(roe_above_threshold), 1, 0)
C3 = np.where(ta.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)[2] > 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)

(supermind)振幅大于1、连续5年ROE＞15%、macd零轴以上_