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	铝	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