(supermind)振幅大于1、连续5年ROE＞15%、反包

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%,反包。

选股逻辑分析

该选股逻辑在技术面上选择了振幅大于1的股票，在基本面上选择了连续5年ROE＞15%的稳健盈利企业，同时加入了反包因素，即股价相对稳定。反包因素是在基本面和技术面的基础上加入的，即反映了市场对股票的认可程度。因此，该选股逻辑不仅可以筛选出稳步增长的优质企业，还可以降低波动性，是一种较为稳健的选股策略。

有何风险？

该选股逻辑可能存在以下风险：

反包因素虽然可以降低波动性，但在市场整体上涨的情况下，可能会错过一些更高涨幅的股票；
ROE作为衡量企业盈利能力的指标，虽然具有代表性，但也存在缺陷，比如会受到财务造假等因素的影响；
过分注重基本面指标，可能会忽视技术面的变化，导致错过一些机会。

如何优化？

为了降低风险并提高效果，可以尝试以下优化：

考虑加入其他技术指标，如均线、波动率等，以做出更加全面的技术面评估；
加入其他基本面指标，如净利润增长率、资产负债率等，以综合考虑企业状况；
反包因素虽然可以降低波动性，但也可能有盲目跟风的风险，应结合其他指标一起考虑；
需要注重选股的时点，尝试在市场波动相对较小的情况下进行。

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，并加入其他相关技术指标，如均线、波动率等；
选择连续5年ROE＞15%的稳健盈利企业，并加入其他基本面指标，如净利润增长率、资产负债率等；
综合考虑反包因素，但应结合其他指标一起考虑，避免盲目跟风；
需要注重选股的时点，尝试在市场波动相对较小的情况下进行。

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(CLOSE > MA(CLOSE, 30), 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['close'] > df['close'].rolling(window=30).mean()

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”需要根据具体情况做出调整。

    ## 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%、反包_