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%,连续3天以上大单净量大于0.05。
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%、连续3天以上大单净量大于0.05的条件。加入连续3天以上大单净量大于0.05的条件，可以更好地筛选出大资金关注的股票，增加选股的可靠性。
有何风险？
该选股逻辑可能存在以下风险：
- 未考虑其他技术指标的影响，可能忽略了其他重要的选股因素；
- 大单净量可能存在噪音，导致选股结果不准确；
- 未对数据进行足够验证，可能存在过拟合的风险。
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：
- 加入其他技术指标进行筛选，如MACD、KDJ、均线等；
- 对大单净量的噪音进行过滤和平滑处理；
- 增加更加严格和合理的数据验证流程。
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：
- 振幅大于1；
- 连续5年ROE＞15%；
- 连续3天以上大单净量大于0.05且平滑处理后大单净量均值大于0.05。
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(BIG_NET_VOLUME(3) >= 0.05, 1, 0);
C4: MA(BIG_NET_VOLUME(3), 5) >= 0.05;
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)
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['big_net_volume'].rolling(3).sum() >= 0.05, 1, 0)
C4 = np.where(df['big_net_volume'].rolling(3).mean().rolling(5).mean() >= 0.05, 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。
