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%,大单净量排行。
选股逻辑分析
本选股逻辑相对于第一个选股逻辑，增加了大单净量作为补充因子。通过挑选大单流入的股票，可以较好地筛选出潜在的强势股票。此外，振幅大于1和连续5年ROE＞15%的条件可以保证股票具有一定的波动性和盈利能力。
有何风险？
该选股逻辑可能存在以下风险：
- 大单净量作为补充因子，可能不能很好地反映股票的真实走势；
- 过分强调大单净量因素，可能会掩盖其他重要因素的影响；
- 大单净量数据可能存在噪点。
如何优化？
为了减小风险，可以尝试以下优化：
- 综合考虑多个补充因素，避免单一因素占比过大的情况；
- 对大单净量数据进行清洗和处理，排除异常值和噪点影响；
- 挖掘更多可能影响股价走势的因素。
最终的选股逻辑
根据以上分析和优化，我们可以得到以下完善的选股逻辑：
- 振幅大于1，波动性适中；
- 连续ROE指标较好，标志着公司经营能力稳定；
- 大单净量数据较好，反映市场的资金流向；
- 在选股逻辑中加入其他重要指标和因素，如财务数据和市值等，并建立多维度评估模型。
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(ROE(CLOSE, 4) > 15, 1, 0);
C4: IF(ROE(CLOSE, 3) > 15, 1, 0);
C5: IF(ROE(CLOSE, 2) > 15, 1, 0);
C6: IF(ROE(CLOSE, 1) > 15, 1, 0);
C7: IF('大单净量指标', 1 ,0);
C8: RANK(C7) <= '连续上涨天数指标';
SELECTOR: C1 * (C2 + C3 + C4 + C5 + C6) * C8;
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) & ('其他波动性指标'), 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.groupby('code')['roe'].apply(check_roe, n=4), 1, 0)
C4 = np.where(df.groupby('code')['roe'].apply(check_roe, n=3), 1, 0)
C5 = np.where(df.groupby('code')['roe'].apply(check_roe, n=2), 1, 0)
C6 = np.where(df.groupby('code')['roe'].apply(check_roe, n=1), 1, 0)
C7 = np.where('大单净量指标', 1, 0)
C8 = (df.groupby('code')['close'].pct_change().gt(0).rolling(连续上涨天数指标).sum() == 连续上涨天数指标)
selector = C1 * (C2 + C3 + C4 + C5 + C6) * C7 * C8
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。
