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%,昨日竞价换手率大于0.26。
选股逻辑分析
该选股逻辑融合了价格波动、基本面和市场交易情况因素，旨在筛选出价格波动适中，具备一定盈利力和市场认可度高的股票。其中，振幅大于1可以反应价格波动适中，连续5年ROE＞15%可以反应公司基本面较好，而昨日竞价换手率大于0.26可以反映市场资金对该股票的认可度较高。
有何风险？
该选股策略可能存在以下风险:
- 忽略其他重要的市场指标;
- 竞价换手率受到市场大盘影响较大，可能误判股票的信息量。
如何优化？
为了减少选股策略存在的风险，可以考虑以下优化措施：
- 结合其他市场指标，如市盈率、市值等，进行筛选，避免对单一指标的依赖;
- 结合其他市场交易情况因素，如市场情绪、资金流入等，提高选股判断准确性。
最终的选股逻辑
综上所述，我们可以优化出以下选股逻辑：
- 振幅大于1；
- 连续5年ROE＞15%;
- 昨日竞价换手率大于0.26。
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(TURN > 0.26, 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')
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(df.groupby('code')['roe'].apply(lambda x: (x > 0.15).all()), 1, 0)
C3 = np.where(df['turn'].shift(1) > 0.26, 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。
