(supermind)振幅大于1、连续5年ROE＞15%、流通市值大于100亿元_

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%,流通市值大于100亿元。

选股逻辑分析

新增流通市值作为筛选条件，目的是筛选市值较大的股票。流通市值的筛选可以让投资者识别公司的成长性和规模，同时，相较总市值而言，筛选的股票数量可以更少。

有何风险？

该选股逻辑可能存在以下风险：

1. 可能会忽略市值小但有高潜力的股票；
2. 可能会存在筛选出行业龙头但估值过高的股票。

如何优化？

为了减少风险，可以尝试以下优化：

1. 增加市值的考虑因素，如市盈率与市净率等等；
2. 增加行业分级的考虑因素，优先选择龙头行业公司。

最终的选股逻辑

根据以上分析和优化，我们可以得到以下完善的选股逻辑：

1. 振幅大于1，挖掘有波动性的股票；
2. 挑选具备较强盈利能力的公司，选择ROE＞15%的股票；
3. 根据流通市值，优选有规模的企业，选择流通市值大于100亿元的股票。

同花顺指标公式代码参考

C1: IF((HIGH - LOW >= 1) AND ('其他波动性指标'), 1, 0);
C2: IF(ROE(CLOSE, 5) > 15, 1, 0);
C3: IF(ROE(CLOSE, 4) > 15, 1, 0);
C4: IF(ROE(CLOSE, 3) > 15, 1, 0);
C5: IF(ROE(CLOSE, 2) > 15, 1, 0);
C6: IF(ROE(CLOSE, 1) > 15, 1, 0);
C7: IF('流通市值指标'>=10000000000, 1, 0);
SELECTOR: C1 * (C2 + C3 + C4 + C5 + C6) * C7;
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) & ('其他波动性指标'), 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.groupby('code')['roe'].apply(check_roe, n=4), 1, 0)
C4 = np.where(df.groupby('code')['roe'].apply(check_roe, n=3), 1, 0)
C5 = np.where(df.groupby('code')['roe'].apply(check_roe, n=2), 1, 0)
C6 = np.where(df.groupby('code')['roe'].apply(check_roe, n=1), 1, 0)

C7 = np.where(df['circulation_market_cap'] >= 10000000000, 1, 0)

selector = C1 * (C2 + C3 + C4 + C5 + C6) * C7
result = df[selector == 1].sort_values('mc', ascending=False).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)