(supermind)振幅大于1、连续5年ROE＞15%、换手率3%-12%

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%,换手率3%-12%。

选股逻辑分析

该选股逻辑融合了基于价格波动、基本面和市场表现的策略，旨在筛选出价格波动适中，公司资产盈利能力较高且市场流动性较好的股票。其中，振幅大于1可以反应近期价格波动适中，连续5年ROE>15%可以反应公司较高的资产盈利能力，换手率3%-12%可以反应市场流动性适中。

有何风险？

该选股策略可能存在以下风险：

该策略可能忽略其他重要的基本面指标；
该策略依赖于历史数据，可能无法预测未来股票走势。

如何优化？

为了降低上述风险，我们可以考虑以下优化措施：

在选取其他重要基本面指标时，如资产负债率、营收增长率等，加以考虑；
结合其他策略，如交叉验证等，提高选股准确性。

最终的选股逻辑

基于上述考虑，我们综合出以下选股逻辑：

振幅大于1；
连续5年ROE＞15%；
换手率3%-12%。

同花顺指标公式代码参考

C1 = IF(HIGH - LOW > ATR(CLOSE, 14), 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 = IF(TURNOVER >= 0.03 AND TURNOVER <= 0.12, 1, 0);
SELECTOR = C1*C2*C3;
RESULT = SELECTOR;

python代码参考

import pandas as pd
import numpy as np
import talib as ta

df = pd.read_csv('your_data.csv', index_col='date')

def roe_above_threshold(df, n=5, threshold=0.15):
    mask = (df.iloc[-n:]['roe'] > threshold)
    return mask.all()

C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(df.groupby('code').apply(roe_above_threshold), 1, 0)
C3 = np.where((df['turnover'] >= 0.03) & (df['turnover'] <= 0.12), 1, 0)

selector = C1 * C2 * C3
result = df[selector == 1].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%、换手率3%-12%_