(supermind)振幅大于1、连续5年ROE＞15%、前天macd＜0_

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%,前天macd＜0。

选股逻辑分析

该选股策略综合考虑了技术面、基本面以及市场交易数据，首先筛选出符合振幅大于1且5年ROE不低于15%的股票，在此基础上，结合技术分析，筛选出前天MACD小于0的股票，以此为依据进行股票的选定。

有何风险？

该选股逻辑可能存在以下风险：

1. 单一指标选股过于片面，可能存在较大的风险；
2. MACD指标受到市场波动的显著影响，可能存在一定程度的低效性；
3. 自动化选股可能忽略了个股特质、行业特点等因素，导致选股结果不尽如人意。

如何优化？

为了降低风险并优化选股策略，可以尝试以下优化：

1. 考虑采用其他技术指标如RSI、KDJ等辅助判断；
2. 尝试采用实时数据以及其他市场数据辅助选股；
3. 考虑加入基本面分析以及行业分析，以此综合考虑选股结果。

最终的选股逻辑

根据以上分析和优化，可以得到以下完善的选股逻辑：

1. 选择振幅大于1且5年ROE不低于15%的股票；
2. 结合其他技术指标如RSI、KDJ等综合判断；
3. 综合考虑其他交易数据如交易笔数、资金流向等；
4. 考虑股票的基本面，如PE、PB等因素。

同花顺指标公式代码参考

C1: IF((HIGH - LOW >= 1), 1, 0);
C2: IF(ROE(CLOSE, 5) > 15, 1, 0);
C3: IF(MACD(12, 26, 9) < 0, 1, 0);    // 前天MACD小于0
SELECTOR: IF((C1 == 1) AND (C2 == 1) AND (C3 == 1), 1, 0);
RESULT: SELECTOR;

python代码参考

import pandas as pd
from tqsdk import TqApi
from tqsdk.ta import macd

api = TqApi()

klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=300)
df = pd.DataFrame(klines)
df[['macd', 'macdsignal', 'macdhist']] = macd(df['close'])

C1 = (df['high'] - df['low'] >= 1)

def check_roe(x):
    return (x > 0.15).all()
    
C2 = df.groupby('contract.symbol')['roe'].apply(check_roe)

C3 = (df['macd'].shift(2) < 0)

selector = (C1 & C2 & C3).astype(int)
result = df[selector == 1].sort_values('amount', 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)