(supermind)振幅大于1、连续5年ROE＞15%、底部抬高

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%,底部抬高。

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，并加入了底部抬高的技术指标，以筛选出技术面较好的低价股票。在基本面上选择了连续5年ROE＞15%的稳健盈利企业，以筛选出盈利能力强的企业。底部抬高的技术指标可以反映股票的价格底部逐渐上升，一定程度上保证了股票的安全性和上涨趋势。该选股策略综合考虑了技术面和基本面的因素，是一种综合性较强的选股策略。

有何风险？

该选股逻辑可能存在以下风险：

验证底部抬高是否符合实际情况较难，可能会存在选股判断不准确的情况；
单一指标不能完全反映企业的复杂情况，对其他基本面指标或者市场情况的变化可能无法充分反应。

如何优化？

为了降低风险并提高效果，可以尝试以下优化：

应用更准确的技术指标来反映股票价格的底部特征，如KD指标、RSI指标等；
加入其他基本面指标，如市盈率、股息率等，以综合考虑企业状况；
做好风险管理，如止盈、止损等措施，保证投资安全。

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且K线技术指标符合其他波动性指标且底部抬高特征明显的股票，用KD指标或者RSI指标来验证底部抬高的状况；
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，如市盈率、股息率等；
做好风险管理措施，如止盈、止损等；
无需考虑反包因素，避免过分注重市场情况而忽视实际情况。

同花顺指标公式代码参考

C1: IF((HIGH - LOW >= 1) AND ('KD指标或者RSI指标'), 1, 0);
C2: IF(ROE(CLOSE, 5) > 15, 1, 0);
C3: IF('底部抬高特征明显', 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) & ('KD指标或者RSI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'].shift(1).rolling(window=30).min()

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)

(supermind)振幅大于1、连续5年ROE＞15%、底部抬高_