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%,非ST（10点之前选股票）五部涨停战法。
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%、非ST且在10点之前选股票的条件，并使用五部涨停战法进行选股。五部涨停战法是指当股票连续涨停五个交易日后，根据其成交价格和涨幅情况进行分类，再根据统计结果进行筛选，选出有潜在涨停机会的股票。这种选股方式可挖掘出潜在的热点板块，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：
- 市场变化较快，五部涨停战法选股法则可能存在滞后性；
- 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；
- 筛选条件过于严格，可能导致筛选结果过少，不适用于较大规模的投资组合。
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：
- 结合其他技术指标进行筛选，如MACD、KDJ、均线等；
- 对涨停板块进行深入研究，确定其具体的市场表现和演绎规律；
- 适当调整选股的严格程度，以适应不同的股票组合。
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%；
- 非ST且在10点之前选股票；
- 五部涨停战法选股。
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: NOT(IF(REF('ST', 0) == 1, 1, 0));
C4: TIME < 1000;
C5: FIVE_LIMIT_RULE();
SELECTOR: C1 * C2 * C3 * C4 * C5;
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['ST'].shift(0) == 0, 1, 0)
C4 = np.where(df['time'] < 1000, 1, 0)
# 自定义五部涨停战法函数
def five_limit_rule(df):
df = df[-5:]
up = df[df['pct_change'] > 0]
down = df[df['pct_change'] < 0]
if len(down) > 0:
return 0
elif len(up) == 1:
if up.iloc[0]['pct_change'] >= 0.1:
return 1
else:
return 0
else:
n1 = up.iloc[0]['close']
n5 = up.iloc[-1]['close']
n_max = up['close'].max()
n_min = up['close'].min()
if n1 == n_min and n5 == n_max:
if n5 / n1 >= 1.45:
return 1
else:
return 0
elif n1 == n_min and n5 != n_max:
if n5 / n1 >= 1.2:
return 1
else:
return 0
elif n1 != n_min and n5 == n_max:
if n5 / n1 >= 1.3:
return 1
else:
return 0
else:
return 0
C5 = np.where(df.groupby('code').apply(five_limit_rule), 1, 0)
selector = C1 * C2 * C3 * C4 * C5
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。
