(supermind)振幅大于1、连续5年ROE＞15%、资金强度由大到小_

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%,资金强度由大到小。

选股逻辑分析

该选股逻辑综合考虑了价格波动、基本面和资金流入流出等多重因素，以振幅大于1为起点，筛选出盈利能力较高的公司，再从资金流入流出的角度进一步加以筛选，以判断市场对该公司的热度和看好程度，从而筛选出优质股票。

有何风险？

该选股策略可能存在以下风险：

1. 资金强度作为一种市场热度指标，无法完全反映股票的价值；
2. 仅连续5年ROE＞15%的公司并不能保证未来业绩的可持续性；
3. 振幅只能作为一个简单的价格波动指标，可能存在其他价格波动因素未考虑在内。

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：

1. 结合选股策略主题，综合考虑进一步优化选股逻辑；
2. 结合行业发展趋势，考虑不同行业、股票间的价格波动和基本面因素的差异性；
3. 从量化模型的角度出发，结合机器学习算法等方法构建更完善的选股模型。

最终的选股逻辑

综上所述，我们可以优化出以下选股逻辑：

1. 振幅大于1；
2. 连续5年ROE＞15%;
3. 资金强度由大到小。

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: RANK(AMOUNT/10000);
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 = df['amount'].groupby(
    df.index).rank(ascending=False).apply(lambda x: 1 if x == 1 else 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)