(supermind)振幅大于1、连续5年ROE＞15%、换手率_2%且_9%_

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>2%且<9%。

选股逻辑分析

本选股逻辑相对于前两个选股逻辑，增加了换手率作为筛选因子。换手率反映了股票市场流通性，其范围的限制可以剔除过于活跃或不活跃的股票。同时，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：

1. 换手率的范围限制可能不够准确，导致排除了某些潜在优质股票；
2. 过分注重技术指标条件，可能无法全面评估公司基本面。

如何优化？

为了减少风险，可以尝试以下优化：

1. 综合考虑多个细分市场和行业的换手率数据，更准确地筛选优质股票；
2. 引入相应的基本面指标，如市盈率和市净率等，评估公司的基本面；
3. 制定更完善的评估模型，综合考虑多个因素。

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：

1. 振幅大于1，波动性适中；
2. 连续ROE指标较好，标志着公司经营能力稳定；
3. 换手率在2%到9%之间，流通性良好。

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(('换手率指标'>2) AND ('换手率指标' < 9), 1 ,0);
SELECTOR: C1 * (C2 + C3 + C4 + C5 + C6) * C7;
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((df['turnover_ratio'] > 0.02) & (df['turnover_ratio'] < 0.09), 1, 0)

selector = C1 * (C2 + C3 + C4 + C5 + C6) * C7
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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)