(supermind)振幅大于1、连续5年ROE＞15%、昨日9_15匹配价跌停

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%,昨日9:15匹配价跌停。

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%、昨日9:15匹配价跌停的条件。该策略在基本面选股的基础上，考虑了股价波动性和市场热度的影响，选股结果反映了近期市场热度和股价的波动性，并具有一定的收益稳定性。

有何风险？

该选股逻辑可能存在以下风险：

昨日9:15匹配价跌停可能与公司基本面无关；
未对其他价位造成影响的原因等因素进行考虑。

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：

采用更加稳定和综合的指标来选股，如RSI、MACD、KDJ等；
加入其他股票基本面和技术指标进行筛选，如EPS、ROA、市盈率等。

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%;
昨日9:15匹配价跌停；
RSIR小于30且K值大于D值。

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(DOWN_LIMIT_PRICE(YESTERDAY) == CLOSE(YESTERDAY, 9, 15), 1, 0);
C4: IF(RSIR(CLOSE, 9) < 30 AND KHHV(KDJ(CLOSE, 9, 3, 3), 1) > KLLV(KDJ(CLOSE, 9, 3, 3), 1), 1, 0);
SELECTOR: C1 * C2 * C3 * C4;
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)

yesterday_down_limit = df.groupby('code')['close'].shift(1, freq='90T') * 0.9
C3 = np.where(df['close'].shift(1, freq='90T') == yesterday_down_limit, 1, 0)

from ta.momentum import RSIIndicator
rsi = RSIIndicator(close=df['close'], window=9)
C4 = np.where((rsi.rsi() < 30) & 
              (df.groupby('code')['low'].rolling(window=9).min().shift(1) < df['close'].shift(1)) & 
              (df.groupby('code')['high'].rolling(window=9).max().shift(1) > df['close'].shift(1)), 1, 0)

selector = C1 * C2 * C3 * C4
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%、昨日9_15匹配价跌停_