量化学习 | Tushare 基本面选股 (二)

量化投资比较重要的是策略,可是你得先选个好股,价值投资需要认同他的价值,值得投资的股票才有投资的机会,现在简单介绍一下基于基本面的选股,其实我现实生活中也有炒股,都是经验之说的选股原则。

首先从tushare中获取每日指标 pro.daily_basic

last_year = '20190101'
start_date = '20200313'
mytoken='your_token'
ts.set_token(mytoken)
pro = ts.pro_api()
df = pro.daily_basic(ts_code='', trade_date=start_date, fields='ts_code,trade_date,turnover_rate,volume_ratio,pe,pb')

P.S. 用户需要至少300积分才可以调取,我是学生进了官方群之后管理员帮我升级到了2000积分,所以大部分接口我都能使用。欢迎大家在我的链接下注册会送我积分

https://tushare.pro/register?reg=355247

首先我们筛选PE为15以下的,PB为7一下的股票:

  • PE是每股股价除以每股收益。如果股价是10元/股,每股收益是1元,PE就相当于10倍,你买这家公司的价钱相当于付出这家公司每年盈利的倍数。一般30以下才觉得可以接受。
  • PB是每股股价除以每股净资产的倍数。如果股价是10元/股,净资产是5元/股,PB就是2倍,也相当于付出的是这个公司净资产的2倍。一般8以下可以接受,我这里调整成小一些,因为最近跌幅挺大的,所以很多公司跌破净资产。
PE_T = 15
PB_T = 1
df_choose = df[(df.pe<=PE_T)&(df.pb<=PB_T)]

符合条件的有198只股票,接着我们筛选一下近期公布的收益

收益可以通过pro.income接口查询:

income = []
for c in df_choose.ts_code:
    df_income = pro.income(ts_code=c,start_date=last_year,end_date=start_date,fields='ts_code,ann_date,f_ann_date,end_date,report_type,comp_type,basic_eps,diluted_eps')
    income.append(df_income['basic_eps'].iloc[0])
df_choose['basic_eps']=income
df_choose_good = df_choose[df_choose.basic_eps>1.0]
print(len(df_choose_good))

收益大于1.0的股票df_choose_good中含有23只股票

接着我想得出这些这些股票代码的股票名字,可以查询这个接口pro.stock_basic ,并且我存下该表格。

data_path = './data/'
if not os.path.exists(data_path):
    os.makedirs(data_path)
csv_name = f'allname_data.csv'
csv_path = os.path.join(data_path,csv_name)
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
data.to_csv(csv_path, index=False)
data[data.ts_code.isin(df_choose_good.ts_code)]
ts_code symbol name area industry list_date
33 000042.SZ 000042 中洲控股 深圳 全国地产 19940921
97 000501.SZ 000501 鄂武商A 湖北 百货 19921120
480 002024.SZ 002024 苏宁易购 江苏 电器连锁 20040721
583 002128.SZ 002128 露天煤业 内蒙 煤炭开采 20070418
600 002146.SZ 002146 荣盛发展 河北 全国地产 20070808
2201 600000.SH 600000 浦发银行 上海 银行 19991110
2211 600016.SH 600016 民生银行 北京 银行 20001219
2247 600064.SH 600064 南京高科 江苏 园区开发 19970506
2356 600188.SH 600188 兖州煤业 山东 煤炭开采 19980701
2564 600449.SH 600449 宁夏建材 宁夏 水泥 20030829
2770 600694.SH 600694 大商股份 辽宁 百货 19931122
2773 600697.SH 600697 欧亚集团 吉林 百货 19931206
2919 600859.SH 600859 王府井 北京 百货 19940506
2964 600919.SH 600919 江苏银行 江苏 银行 20160802
2965 600926.SH 600926 杭州银行 浙江 银行 20161027
3034 601088.SH 601088 中国神华 北京 煤炭开采 20071009
3062 601186.SH 601186 中国铁建 北京 建筑工程 20080310
3076 601229.SH 601229 上海银行 上海 银行 20161116
3111 601577.SH 601577 长沙银行 湖南 银行 20180926
3134 601677.SH 601677 明泰铝业 河南 20110919
3157 601828.SH 601828 美凯龙 上海 其他商业 20180117
3158 601838.SH 601838 成都银行 四川 银行 20180131
3201 601997.SH 601997 贵阳银行 贵州 银行 20160816

这个就是选出来的股,看来银行最近跌得挺厉害的,看好银行在后期反弹。

ts_code symbol name area industry list_date
0 000001.SZ 1 平安银行 深圳 银行 19910403
140 000553.SZ 553 安道麦A 湖北 农药化肥 19931203
272 000732.SZ 732 泰禾集团 福建 区域地产 19970704
2201 600000.SH 600000 浦发银行 上海 银行 19991110
2210 600015.SH 600015 华夏银行 北京 银行 20030912
2356 600188.SH 600188 兖州煤业 山东 煤炭开采 19980701
2522 600383.SH 600383 金地集团 深圳 全国地产 20010412
2608 600508.SH 600508 上海能源 上海 煤炭开采 20010829
2770 600694.SH 600694 大商股份 辽宁 百货 19931122
2852 600782.SH 600782 新钢股份 江西 普钢 19961225
2919 600859.SH 600859 王府井 北京 百货 19940506
3016 601009.SH 601009 南京银行 江苏 银行 20070719
3057 601166.SH 601166 兴业银行 福建 银行 20070205
3076 601229.SH 601229 上海银行 上海 银行 20161116
3157 601828.SH 601828 美凯龙 上海 其他商业 20180117
3201 601997.SH 601997 贵阳银行 贵州 银行 20160816
posted @ 2020-03-21 18:42  ManWingloeng  阅读(1500)  评论(0编辑  收藏  举报