(supermind)振幅大于1、连续5年ROE＞15%、昨日成交额大于6千万

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%,昨日成交额大于6千万。

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%、昨日成交额大于6千万的条件进行选股。其中，振幅大于1的条件可以筛选出波动较大的股票，连续5年ROE＞15%可以筛选出盈利能力较强的公司，而昨日成交额大于6千万可以筛选出市场交易较活跃的股票，增加选股的可靠性。

有何风险？

该选股逻辑可能存在以下风险：

未考虑其他技术指标的影响，可能忽略了其他重要的选股因素；
昨日成交额大于6千万筛选条件过于严格，可能导致筛选结果过少；
该选股策略并未考虑公司财务情况以外的重要因素，如宏观经济形势、行业发展等。

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：

结合其他技术指标进行筛选，如MACD、KDJ、均线等；
调整成交额筛选条件，以适应不同股票组合；
考虑公司财务以外的重要因素，如宏观经济形势、行业发展等。

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%；
昨日成交额大于6千万。

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(VOLPRE / 10000 > 600, 1, 0);
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 = np.where(df['volpre'].shift(-1) > 60000000, 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%、昨日成交额大于6千万_