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
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