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%,股价为18.5元。
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%和股价为18.5元的条件才能进行选股。相对于第一个策略，本策略在财务数据方面加大了考虑，会更加注重公司的盈利质量。股价为18.5元的条件，对于股票的投资价值影响极大，也是该选股策略的重要条件之一。
有何风险？
该选股逻辑可能存在以下风险：
- 股价为18.5元的条件会导致筛选出的股票总量较少，可能没法很好地分散风险；
- 本选股逻辑中忽略了其他重要指标和因素，可能会影响选股效果。
如何优化？
为了减小风险，可以尝试以下优化：
- 对股价进行放宽，可以尝试设定一个较为合理的价格区间；
- 增加筛选条件，如财务稳定性指标、市值等，建立多维度评估模型；
- 考虑研究股价与其他指标之间的关系，对指标进行进一步筛选和优化。
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：
- 振幅大于1，波动性适中；
- 连续ROE指标较好，标志着公司经营能力稳定；
- 股价处于合理价格区间，反映公司成长性和投资价值；
- 在选股逻辑中加入其他重要指标和因素，如财务数据和市值等，并建立多维度评估模型。
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(LOW <= 18.5 AND HIGH >= 18.5, 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['low'] <= 18.5) & (df['high'] >= 18.5), 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。
