(supermind)振幅大于1、连续5年ROE＞15%、企业性质

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%,企业性质。

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%以及特定企业性质的条件才能进行选股。企业性质指定可以通过选择股票所属的板块、行业或者公司所属的细分市场特征、地域特征等来筛选具有投资价值的股票。此外，振幅大于1和ROE＞15%侧重于选择具有一定潜力和较好盈利能力的公司。

有何风险？

该选股逻辑可能存在以下风险：

特定企业性质的选股过程过于主观，可能容易忽视公司基本面和市场变化；
有些企业可能会通过各种各样的方式来规避规则，使得选股策略变得不可靠；
过度依赖ROE指标来识别具有价值的公司并不适用于所有的公司。

如何优化？

为了减轻选股策略存在的风险，可以尝试以下优化：

加入多种财务指标、公司基本面和行业分析等多方面选股条件，以减少企业性质对选股结果的影响；
引入机器学习算法或文本挖掘技术等进行挖掘，找到更多有价值的选股指标；
在选取企业性质时，可以结合公司业务特征、发展前景以及市场趋势等方面做出更准确的判断。

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%；
加入多种技术选股条件，如PE、PB等；
结合公司基本面、行业特征和市场环境，选取合适企业性质的股票；
具备安全边际、业绩成长性等其它策略。

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('special condition', 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['special condition'] == True, 1, 0)

selector = C1 * C2 * C3
result = df[selector == 1].sort_values('mc', ascending=False).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%、企业性质_