(supermind)振幅大于1、连续5年ROE＞15%、非科创_

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%,非科创。

选股逻辑分析

该选股逻辑融合了价格波动、基本面和行业经验因素，旨在筛选出价格波动适中，具备一定盈利力和非科创行业的股票。其中，振幅大于1可以反应价格波动适中，连续5年ROE＞15%可以反应公司基本面较好，而非科创可以反映对科技风险的回避。

有何风险？

该选股策略可能存在以下风险:

1. 略有偏好于一些行业，忽略其他行业的优秀企业;
2. 根据历史ROE指标选股，对将来发展产生偏差。

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. 考虑其他行业变量，如市盈率、市值等，进行筛选，避免对单一行业的依赖;
2. 结合财务分析和产业分析，对ROE指标进行相应修正。

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. 非科创。

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 = IF(SUM(IFF('201SZ, '200SZ, 1, 0), 30) / 30 < 0.5, 1, 0);
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 = np.where(df[df['industry'] != '科创板']['code'].value_counts(normalize=True) > 0.5, 1, 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)