(supermind)振幅大于1、连续5年ROE＞15%、流通市值50－100亿_

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%,流通市值50-100亿。

选股逻辑分析

该选股逻辑需要振幅大于1的股票，并且要求连续5年ROE＞15%。在此基础上，选取流通市值在50-100亿范围内的股票。该逻辑结合了技术面和基本面因素，考虑了公司规模对股价的影响。

有何风险？

该选股策略可能存在以下风险：

1. 过分强调市场情绪因素，未考虑公司基本面因素，可能出现选错优质股票的情况；
2. 流通市值过于简单，未考虑股票的价值水平和成长空间；
3. 数据来源可能存在误差，导致选股结果不准确。

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：

1. 引入更多的技术指标和基本面指标进行选择；
2. 优化流通市值指标，结合其他指标综合判断股票的价值；
3. 关注政策、市场、经济等多个方面的因素，以把握市场走势。

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：

1. 振幅>=1；
2. 连续5年ROE＞15%;
3. 流通市值在50-100亿之间；
4. 市净率小于3倍。

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((MARKET_CAP >= 5000000000) AND (MARKET_CAP <= 10000000000), 1, 0);
C4: IF(PB <= 3, 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)
C2 = np.where(
    df.groupby('code')['roe'].apply(lambda x: (x > 0.15).all()), 1, 0)
C3 = np.where((df['market_cap'] >= 5000000000) & (df['market_cap'] <= 10000000000), 1, 0)
C4 = np.where(df['pb'] <= 3, 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)