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%,竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万。
选股逻辑分析
该选股策略综合考虑了技术面、基本面以及市场交易数据，首先筛选出振幅大于1且5年ROE不低于15%的股票，在此基础上，根据竞价时买入大单或特大单的数据进行进一步筛选，要求买入大单与特大单共计买入量大于0.7千万。
有何风险？
该选股逻辑可能存在以下风险：
- 对于竞价时涨跌幅买入大单与特大单的要求可能过于片面，无法充分反映股票潜在的投资价值；
- 对于某些交易信息可能存在延迟，选股结果不能完全准确；
- 单一指标选股过于片面，可能存在较大的风险；
- 自动化选股可能忽略了个股特质、行业特点等因素，导致选股结果不尽如人意。
如何优化？
为了降低风险并优化选股策略，可以尝试以下优化：
- 加入其他市场交易数据如交易笔数、资金流向等，综合考虑股票的市场表现；
- 尝试采用多种指标组合计算，以完善选股逻辑；
- 坚持长期投资的理念，同时加入风险管理措施，如止盈、止损等。
最终的选股逻辑
根据以上分析和优化，可以得到以下完善的选股逻辑：
- 选择振幅大于1且5年ROE不低于15%的股票；
- 竞价时涨跌幅买入大单与特大单共计买入量大于0.7千万；
- 综合考虑其他交易数据如交易笔数、资金流向等；
- 坚持长期投资的理念，同时加入风险管理措施，如止盈、止损等。
同花顺指标公式代码参考
C1: IF((HIGH - LOW >= 1), 1, 0);
C2: IF(ROE(CLOSE, 5) > 15, 1, 0);
C3: DAYLY_BIG_ORDER_VOLUME(CLOSE);
C4: DAYLY_SMALL_ORDER_VOLUME(CLOSE);
SELECTOR: IF((C1 == 1) AND (C2 == 1) AND ((C3 + C4) >= 70000000), 1, 0);
RESULT: SELECTOR;
python代码参考
import pandas as pd
from tqsdk import TqApi
from tqsdk.ta import macd
api = TqApi()
klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=300)
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 1)
def check_roe(x):
return (x > 0.15).all()
C2 = df.groupby('contract.symbol')['roe'].apply(check_roe)
C3 = df.groupby('datetime.date')['amount_big'].sum()
C4 = df.groupby('datetime.date')['amount_small'].sum()
selector = (C1 & C2 & ((C3 + C4) >= 70000000)).astype(int)
result = df[selector == 1].sort_values('amount', 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。
