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%,高点为两日最高。
选股逻辑分析
该选股逻辑同样考虑了价格波动、基本面以及价格趋势等多重因素，以振幅大于1为起点，筛选出盈利能力较高的公司，再从价格走势的角度进一步加以筛选，以判断该股是否处于上涨趋势，并筛选出股价有上涨空间的优质股票。
有何风险？
该选股策略可能存在以下风险：
- 高点仅观察两日最高，可能存在短期波动导致的偏差；
- 仅连续5年ROE＞15%的公司并不能保证未来业绩的可持续性；
- 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：
- 筛选高点时增加时间跨度，减少短期波动的干扰；
- 加入其他价格趋势指标，综合评估股票走势；
- 结合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：
- 振幅大于1；
- 连续5年ROE＞15%;
- 高点为两日最高，且满足一定时间跨度内高点最高；
- 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: IF(HIGH = REF(MAX(HIGH, 2), 2), 1, 0);
C4: RANK(AMOUNT/10000);
SELECTOR: C1 * C2 * C3 * C4;
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['high'] == df['high'].rolling(2).max().shift(), 1, 0)
C4 = df['amount'].groupby(
df.index).rank(ascending=False).apply(lambda x: 1 if x == 1 else 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。
