(supermind)振幅大于1、连续5年ROE＞15%、按个股热度从大到小排序名

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%,按个股热度从大到小排序名。

选股逻辑分析

该选股策略需要股票满足振幅大于1、连续5年ROE＞15%以及按个股热度从大到小排序名的条件才能进行选股。振幅大于1可以挑选出一定的激进股票，连续5年ROE＞15%则选择具有优秀盈利能力的公司，按个股热度从大到小排序名则优先选出市场较为热门的股票。

有何风险？

该选股逻辑可能存在以下风险：

市场热度不一定与股票价值匹配；
排序名可能容易被市场情绪影响，导致选出的股票风险较高；
不同数据来源的热度计算可能存在差异。

如何优化？

为了缩小选股策略存在的风险，可以考虑以下优化：

综合考虑多项市场因素，如财务数据、公告信息等；
加强基本面分析，选股侧重风险控制与长期价值投资；
降低热度排序的权重，并结合其他因素进行综合考虑。

最终的选股逻辑

基于以上分析和优化，我们可以得到以下完善的选股逻辑：

振幅大于1；
连续5年ROE＞15%；
按个股热度从大到小排序名，并降低排序权重；
具备安全边际、成交量等综合表现优秀。

同花顺指标公式代码参考

C1: IF(HIGH - LOW >= 1, 1, 0);
C2: IF((ROE(CLOSE, 5) > 15) AND (ROE(CLOSE, 4) > 15) AND (ROE(CLOSE, 3) > 15) AND (ROE(CLOSE, 2) > 15) AND (ROE(CLOSE, 1) > 15), 1, 0);
C3: SORT_RANK(desc(RANK(HOT(), 0.5)), -1) / COUNT(LIST(FILTER(HOT() > 0, 1)), 5);
SELECTOR: C1 * C2 * C3;
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, 1, 0)

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

C2 = np.where(df.groupby('code')['roe'].apply(check_roe), 1, 0)

C3 = df['hot'].rank(ascending=False, pct=True).apply(lambda x: (x - 1) / 4).values

selector = C1 * C2 * C3
result = df[selector == 1].sort_values('hot', 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%、按个股热度从大到小排序名_