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%,三个技术指标同时金叉。
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%、三个技术指标同时金叉的条件。该逻辑同时考虑了技术分析指标和公司基本面对选股的影响,选股结果具有一定的波动性和价值稳定性。选股结果反映了近期市场的整体表现和个股优劣。
有何风险?
该选股逻辑可能存在以下风险:
- 基于历史数据,未来表现存在不确定性;
- 选股逻辑较为复杂,数据处理和筛选可能存在误差;
- 对于一些新兴行业或者持续亏损的公司,ROE指标选股和技术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:
- 对于技术指标的选股条件,可以根据不同市场情况动态调整;
- 选股逻辑可以结合其他基本面和技术指标进行筛选;
- 可以加入一些止损机制,减少不必要的损失。
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%;
- 三个技术指标同时金叉;
- PE与市净率均小于行业平均值。
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((CROSS(MA(CLOSE, 5), MA(CLOSE, 10))) AND (CROSS(MA(CLOSE, 5), MA(CLOSE, 20))) AND (CROSS(MA(CLOSE, 5), MA(CLOSE, 30))), 1, 0);
C4: IF((PE(TTM) < INDUSTRY_AVG_PE(TTM)) AND (PB(TTM) < INDUSTRY_AVG_PB(TTM)), 1, 0);
SELECTOR: C1 * C2 * C3 * C4;
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)
def check_tech_indicator(x):
ma5 = x['close'].rolling(window=5).mean()
ma10 = x['close'].rolling(window=10).mean()
ma20 = x['close'].rolling(window=20).mean()
ma30 = x['close'].rolling(window=30).mean()
return (ma5 > ma10) & (ma5 > ma20) & (ma5 > ma30)
C3 = np.where(df.groupby('code').apply(check_tech_indicator), 1, 0)
industry_avg_pe = df.groupby('industry')['pe_ttm'].mean()
industry_avg_pb = df.groupby('industry')['pb'].mean()
C4 = np.where((df['pe_ttm'] < industry_avg_pe) &
(df['pb'] < industry_avg_pb), 1, 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。
