学习一下 正好看到相关内容

楼主，最后代码65行貌似有点问题。get_history_fundamentals一次只能获取5000条，你没有做分页读取，在获取roe的时候自动过滤掉了一部分股票。

@jy01751567 谢谢提醒，这个问题我后来改过了，又发了一篇更新中有https://www.joinquant.com/view/community/detail/d6d20764943927ce6aca91bf94b4eb3a

#1.不加权 df['past_average'] = df.iloc[:,0] + df.iloc[:,1] + df.iloc[:,2] + df.iloc[:,3] df['now_average'] = df.iloc[:,1] + df.iloc[:,2] + df.iloc[:,3] + df.iloc[:,4] df['delta_average'] = df['now_average'] - df['past_average'] #2.加权，距离当前时间越近的报告期roe权重越大 df['past_average'] = 0.1*df.iloc[:,0] + 0.2*df.iloc[:,1] + 0.3*df.iloc[:,2] + 0.4*df.iloc[:,3] df['now_average'] = 0.1*df.iloc[:,1] + 0.2*df.iloc[:,2] + 0.3*df.iloc[:,3] + 0.4*df.iloc[:,4] df['delta_average'] = df['now_average'] - df['past_average'] 上述代码跟你称的财报越近ROE加权系数越大，刚好相反了 应该是 df['past_average'] = 0.4*df.iloc[:,0] + 0.3*df.iloc[:,1] + 0.2*df.iloc[:,2] + 0.1*df.iloc[:,3] 其次你的past_average跟now_average也反了 加V,fly2858037656, 商讨,对策略思路有兴趣

@Liqun9999 是你反了，拿这两段代码去研究里打印看看 df = get_history_fundamentals(initial_list[:5], fields=[indicator.code, indicator.roe], watch_date=watch_date, count=5, interval='1q') print(df) df = df.groupby('code').apply(lambda x:x.reset_index()).roe.unstack() df['past_average'] = 0.1*df.iloc[:,0]+0.2*df.iloc[:,1]+0.3*df.iloc[:,2]+0.4*df.iloc[:,3] df['now_average'] = 0.1*df.iloc[:,1]+0.2*df.iloc[:,2]+0.3*df.iloc[:,3]+0.4*df.iloc[:,4] df['delta_average'] = df['now_average'] - df['past_average'] df.dropna(inplace=True) df.sort_values(by='delta_average',ascending=False, inplace=True) print(df)

@Liqun9999 另外不加微信，有事情论坛留言，还有这个策略代码已更新，看最新的

克隆，点赞

@clock 谢谢，但是这个版本不如看更新说明里的

@wywy1995 更新说明在哪里呢

@clock https://www.joinquant.com/view/community/detail/d6d20764943927ce6aca91bf94b4eb3a附件里有代码

@wywy1995 看到了 感谢哦

@wywy1995 ,确实是往前排序。顺便问个问题，加权系数简单的0.1,0.2,0.3,0.4，是否太随意，如果有理论支撑是否合适一点。而且只考虑的是ROE改善程度，没有考虑原本基数，就好像ROE改善程度都是5，但基数是10和15的改善程度应该是不一样的。

还是不错的

@Liqun9999 加权系数确实是随意的，正因为找不到理论支撑，我只能做到通过回测选择收益较好的系数，如何继续优化得靠您自己挖掘了。

@Liqun9999 基数的问题我曾经考虑过，但是测试结果出乎意料，基数好的股票不太赚钱，最后就只以提升幅度为衡量标准，放弃对基数的筛选。

还是不错

学习了

想克隆策略，但差五积分，求评论

@ljy?9 赞助1分