量化选股指标公式到底怎么用才能选出真正赚钱的股票
很多人一听到量化选股，脑子里浮现的就是满屏代码和复杂数学。其实剥开那层壳，量化选股指标公式就是一套明确的买卖规则，用电脑帮你从几千只股票里挑出符合条件的那几只。今天咱们就把这件事说透，让你明白公式背后的逻辑，也能自己动手改一改。
公式不是万能钥匙，它只是一张筛子
你去菜市场买西红柿，会挑红的、硬的、没裂口的。量化选股公式干的就是类似的事。市盈率低于20倍、净资产收益率大于15%、最近20天涨幅超过大盘，这些条件写在一起，就是一个简单的选股公式。
电脑按这个条件跑一遍，几千只股票里可能只剩几十只。这几十只就是你的备选池。公式的作用是缩小范围，不是直接告诉你买哪只。它是一张筛子，孔的大小由你定。
常用的三类指标公式
第一类：基本面因子
市盈率、市净率、净资产收益率、营收增速、毛利率。这些数据来自财报，反映公司赚不赚钱、贵不贵。
公式写法很直白：
PE < 20 AND ROE > 15 AND 营收增速 > 10
这个公式的意思是，找那些估值不高、赚钱能力强、还在成长的公司。
第二类：量价因子
成交量、换手率、均线、动量。这些数据来自每天的交易，反映市场情绪和资金流向。
收盘价 > 20日均线 AND 成交量 > 5日均量 AND 换手率 > 3%
这个公式找的是股价走强、资金关注度高的股票。
第三类：复合因子
把基本面和量价结合起来，比如低估值加高动量。
PE < 30 AND 收盘价 > 60日均线 AND 近20日涨幅 > 5%
复合因子通常更稳定，因为单一因子容易失效。
回测是照妖镜，别跳过这一步
你写了一个公式，心里美滋滋，觉得找到了圣杯。先别急，把公式放到过去三年的数据里跑一遍，看看它选的股票后来涨了还是跌了。
回测要看几个数：年化收益率、最大回撤、胜率、盈亏比。年化收益高但回撤巨大，说明这个公式波动太大，拿不住。胜率低但盈亏比高，说明它靠少数大赚的股票撑着，你得有耐心。
回测最怕的是过度拟合。你把参数调了又调，让它过去表现完美，结果未来一塌糊涂。判断方法很简单：把数据分成两段，前一段调参数，后一段验证。后一段表现不能比前一段差太多。
程序化选股的一个简单例子
用Python和tushare库可以快速验证想法。
import tushare as ts
import pandas as pd
pro = ts.pro_api('你的token')
# 获取所有股票列表
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,pe,roe')
# 筛选条件：PE在0到30之间，ROE大于15%
selected = df[(df['pe'] > 0) & (df['pe'] < 30) & (df['roe'] > 15)]
print(selected[['ts_code', 'name', 'pe', 'roe']])
这段代码跑出来就是一份初步名单。你还可以加上均线条件，从行情数据里计算。
# 获取某只股票日线数据
df_daily = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231')
# 计算20日均线
df_daily['ma20'] = df_daily['close'].rolling(20).mean()
# 选出收盘价大于20日均线的日期
signal = df_daily[df_daily['close'] > df_daily['ma20']]
这就是最基础的动量策略。
参数不能拍脑袋，要有逻辑支撑
有人问，为什么用20日均线不用30日。区别不大，但你要知道背后的道理。20日约等于一个月交易日，代表短期趋势。60日代表季度趋势。你选哪个，取决于你想抓多长的行情。
市盈率阈值也一样。不同行业合理市盈率天差地别。银行股8倍算正常，科技股50倍也不稀奇。公式里要加行业分类，或者用相对估值，比如市盈率除以行业平均。
风险控制必须写在公式里
选股公式只解决买什么，不解决买多少、什么时候卖。完整的量化系统还要有仓位管理和止损规则。
一个简单的止损公式：
如果持仓亏损超过8%，清仓
如果股价跌破60日均线，减半
这些规则和选股公式一样重要。没有风控，再好的选股公式也会被一次大亏抹平。
普通人怎么上手
别一上来就搞几十个因子。从两三个开始，比如低市盈率加高净资产收益率，再加一个动量过滤。跑一年数据，看看效果。觉得还行，再用小资金实盘跑三个月。
过程中不断记录，哪些股票选出来了，后来走势如何。慢慢你会对市场有感觉，公式也会越调越顺。
量化选股不是打败市场的魔法，它只是帮你更纪律地执行自己的想法。工具再好，背后还是人的判断。
