三层筛网量化选股v1.0

三层筛网量化选股策略。基于知乎文章介绍的量化选股方法，从A股全市场中 通过三层筛选（硬性排除→多因子打分→行业均衡）选出30-50只优质股票。 每当用户要求量化选股、股票筛选、多因子选股、从A股中挑选股票时使用此技能。

三层筛网量化选股策略

从4000只A股中挑出赢家的量化选股方法。

策略原理（三层筛网架构）

第一层：硬性排除（剔除"不合格者"）

• 净利润为负（剔除连续亏损公司）
• 资产负债率 > 70%（剔除高杠杆公司）
• 经营现金流为负（剔除"只赚报表不赚钱"公司）
• 日均成交额排名后20%（剔除流动性差的股票）
• 股价 < 1元（规避仙股风险）

第二层：多因子综合打分（寻找"优等生"）

因子	权重	指标	方向
价值因子	40%	市净率(PB)	越低越好
质量因子	40%	净资产收益率(ROE)	越高越好
动量因子	20%	过去6个月涨幅	中间区间最好

总分 = 价值得分 × 40% + 质量得分 × 40% + 动量得分 × 20%

第三层：行业与风险均衡（构建"合理组合"）

• 将Top200-300只候选股按行业分类
• 每个行业独立排名选股
• 覆盖大盘/中盘/小盘
• 最终选出30-50只行业优质代表

什么时候使用

• 用户要求量化选股
• 用户要求从A股中挑选股票
• 用户要求多因子选股
• 用户要求"从4000只股票中选出好股票"
• 用户要求生成股票推荐列表

使用方式

1. 运行选股脚本

bash

cd skills/quant-stock-selector
python quant_selector.py

2. 输出内容

• 第一层筛选结果（排除了多少只）
• 第二层多因子评分排名（Top50）
• 第三层行业均衡后的最终推荐（Top30）

数据源

数据源	接口	用途
JQData	基本面查询	财务数据(ROE/资产负债率等)
JQData	日K线	价格动量计算
AKShare	成分股列表	股票池获取

关键认知

• 逻辑重于数据：每一步筛选背后应有清晰的经济学或行为金融学解释
• 追求概率优势：不是每只都能涨，而是整体组合上涨概率显著高于随机选择
• 迭代是生命：市场在变，筛选逻辑需要定期审视和调整

注意事项

• JQData免费版数据有日期范围限制
• 建议配合OpenClaw Heartbeat每周运行一次
• 选股结果仅供参考，不构成投资建议