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)]

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。