(supermind)振幅大于1、连续5年ROE＞15%、北京A股除外

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%,北京A股除外。

选股逻辑分析

该选股逻辑结合了技术面和基本面，振幅大于1可以筛选到波动性较大的股票，连续5年ROE＞15%则选择具有盈利能力的企业，北京A股除外则避免国有企业和政策因素对选股策略造成的干扰。

有何风险？

该选股逻辑可能存在以下风险：

北京A股的排除可能排除了一些优秀的公司；
连续5年ROE＞15%只是衡量盈利能力的一种指标，可能存在公司内部管理等因素影响股票表现；
振幅大于1并不能完全代表企业风险较低。

如何优化？

为了减少风险，可以尝试以下优化：

可以加入其他技术指标，如成交量、换手率等；
可以考虑加入其他基本面指标，如市盈率、市净率等，综合选股；
考虑加入其他地区排除，以降低地区因素对选股的影响。

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：

选择振幅大于1的股票；
选择连续5年ROE＞15%的稳健盈利企业；
选择排除北京A股的公司；
综合考虑市盈率、市净率和技术指标，加入其他基本面和技术指标做进一步考量；
可以选择其他地区进行排除，如地方国企等。

同花顺指标公式代码参考

C1: IF((HIGH - LOW >= 1) AND ('其他波动性指标'), 1, 0);
C2: IF(ROE(CLOSE, 5) > 15, 1, 0);
C3: IF(NOT INLIST(SECINFO('SH',''), '北京'), 1, 0);
SELECTOR: C1 * C2 * C3;
RESULT: SELECTOR;

python代码参考

import pandas as pd
from tqsdk import TqApi

api = TqApi()

klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=300)
df = pd.DataFrame(klines)

C1 = (df['high'] - df['low'] >= 1) & ('其他波动性指标')

def check_roe(x):
    return (x > 0.15).all()

C2 = df.groupby('contract.symbol')['roe'].apply(check_roe)

C3 = ~df['company.area'].str.contains('北京')

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

注意，对于选股逻辑中的“其他波动性指标”、“其他基本面指标”，需要结合具体数据做出判断，在实际应用中需要进行调整。

    ## 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%、北京A股除外_