(supermind)振幅大于1、连续5年ROE＞15%、今日均线向上发散

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%,今日均线向上发散。

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%以及今日均线向上发散的条件才能进行选股。振幅大于1可以挑选出一定的激进股票，连续5年ROE＞15%则选择具有优秀盈利能力的公司。今日均线向上发散则表明该股票短期走势有一定的上涨趋势。

有何风险？

该选股逻辑可能存在以下风险：

均线向上发散的标准过于宽泛，可能存在金叉假象等情况；
忽视其他市场因素，选择出的股票可能缺乏趋势性；
过于注重近期短期技术走势，对基本面等长期因素缺乏透彻的分析。

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：

采用更加严格的均线发散标准，如对MACD指标金叉的判断等；
综合考虑多项市场因素，如财务数据、公告信息等；
加强基本面分析，选股侧重风险控制与长期价值投资。

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%；
MACD指标为金叉；
具备安全边际、成交量等综合表现优秀。

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((MACD() - MACD(1)) > 0, 1, 0);
SELECTOR: C1 * C2 * C3;
RESULT: SELECTOR;

python代码参考

import pandas as pd
import talib

df = pd.read_csv('your_data.csv', index_col='date')
df['k'], df['d'], df['macd'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df.dropna(inplace=True)
df['macd_diff'] = df['macd'].diff()
df['control_today'] = (df['macd_diff'] > 0) & (df['macd_diff'].shift(1) < 0)

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['control_today'], 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%、今日均线向上发散_