(supermind)振幅大于1、连续5年ROE＞15%、下午大单净流入

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%,下午大单净流入。

选股逻辑分析

该选股策略需要股票同时满足振幅大于1、连续5年ROE＞15%以及下午大单净流入的条件才能进行选股。其中，振幅大于1可以挑选出一定的激进股票，而连续5年ROE＞15%则是选择一些具有优秀盈利能力的公司。而下午大单净流入则是为了找到市场资金强势流入的潜力股。

有何风险？

该选股逻辑可能存在以下风险：

过于依赖市场情绪，选股难度大，难以及时捕捉到股票的上涨/下跌趋势；
未考虑股票估值等重要信息，选出的股票可能没有投资价值；
下午大单净流入可能会存在一定的噪音，有可能因为个别交易而导致选股结果出现偏差。

如何优化？

为了缩小选股策略存在的风险，可以考虑以下优化：

增加市场情绪指标进行选股，如包括市场大盘趋势等；
增加指标，以评估股票的估值等信息；
优化下午大单净流入选股策略，使用均线等技术排除个别交易对选股结果的影响。

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%；
下午大单净流入排名前5%的股票；
营收增长、利润增长、现金流等综合表现优秀。

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((SELLVOL - BUYVOL) > REF(SMA(SELLVOL - BUYVOL, 200), 1) * 5, 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)

C3 = np.where((df['sellvol'] - df['buyvol']) > df['sellvol'].rolling(200).mean().shift(1) * 5, 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%、下午大单净流入_