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%,收盘价大于昨日的最低价。
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%、收盘价大于昨日的最低价的条件。该逻辑同时考虑了技术分析指标和公司基本面等因素对选股的影响，选出的股票既有上涨的趋势，又有稳定的基本面。
有何风险？
该选股逻辑可能存在以下风险：
- 基于历史数据，未来表现存在不确定性；
- 前一日最低价作为策略指标，不一定能完全反映出股票的真实价值；
- 对于一些新兴行业或者持续亏损的公司，ROE指标选股可能效果较差。
如何优化？
为了减少选股策略存在的风险，可以考虑以下优化：
- 引入更多基本面指标筛选，如净利润增长率、市盈率等；
- 对选股结果进行动态筛选，结合市场行情、政策因素等多个因素进行综合分析，进一步提高选股的准确性；
- 对于最低价指标，可以考虑引入波动率等指标作为辅助判断。
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>=1；
- 连续5年ROE＞15%;
- 收盘价大于昨日的最低价；
- 净利润增长率大于10%；
- 市盈率小于30。
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: IF(CLOSE > REF(LOW, 1), 1, 0);
C4: IF(GROWTH(NP) > 0.1, 1, 0);
C5: IF(PE < 30, 1, 0);
SELECTOR: C1 * C2 * C3 * C4 * C5;
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)
C2 = np.where(
df.groupby('code')['roe'].apply(lambda x: (x > 0.15).all()), 1, 0)
C3 = np.where(df['close'] > df['low'].shift(1), 1, 0)
C4 = np.where(
df.groupby('code')['np_growth'].apply(lambda x: (x > 0.1).all()), 1, 0)
C5 = np.where(df['pe'] < 30, 1, 0)
selector = C1 * C2 * C3 * C4 * C5
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。
