22 个现成的选股方案怎么用

一、现成方案 vs 自己写表达式：怎么选

import requests

BASE = "https://api.ashareapi.com/v1"
H = {"Authorization": "Bearer ct-你的Key"}

r = requests.get(f"{BASE}/screen",
                 params={"preset": "LowPE", "orderby": "PE_TTM", "limit": 5},
                 headers=H, timeout=30)
body = r.json()
print(body["ok"], body["elapsed_ms"])
for row in body["structured"]:
    print(row)

方案名也可以带参数组合：`preset=LowPE --limit 20 --orderby PE_TTM --asc`。方案名（接口参数 `preset`）大小写和下划线不敏感（`low_pe` = `LowPE` = `Low-PE`）。

二、22 个现成方案分四类

按"投资者在找什么"分四类，比按字母排序好记得多：

2.1 估值类（找便宜的，7 个）

2.2 盈利质量类（找能赚钱的，6 个）

2.3 技术面类（看走势的，3 个）

2.4 资金与机构类（看谁在买的，5 个）

三、真实结果：5 个方案跑出来长什么样（2026-09-29）

以下全部是线上真实返回（`limit=5`），可直接对照。

3.1 LowPE（低市盈率）

注意：`金科股份 PE_TTM=0.36` 属于需要体检的极端值（同表 `PE_Fwd` 是 356.56，两者相差近千倍）。筛选结果不等于可买 —— 详见《因子选股入门》第 4、5 节。

3.2 HighDividendLowValuation（高股息 + 低估值）

股息率 > 10% 且 PE < 15 的组合相对少见 —— 这也是"双低"策略被关注的原因。

3.3 HighROE（高净资产收益率）

注意：ROE 超过 80% 属于极端值，通常伴随高杠杆或非经常性损益 —— 必须用 `ROECut`（扣非）与 `DebtEquityRatio` 体检。

3.4 PEG（估值与成长匹配）

这里最需要警惕：`NPParentCompanyYOY` 出现 41 万 %、7 万 % 这种数字，说明基数极小（去年同期利润接近 0），增速在此失去意义。用 PEG 筛选时务必同时看净利的绝对值。

3.5 HighDividend（高股息率）

实测跑 `preset=HighDividend --limit 10` 得到的结果中，股息率最高的几只约在 13~14% 区间（如 14.30% / 13.29% / 13.19%）。

注意：股息率 = 每股分红 / 股价。股价下跌也会推高股息率 —— 所以高股息不必然代表好，要结合盈利与现金流看。

四、使用注意（三条）

• 方案是"起点"不是"结论" —— 它帮你把 5000 只缩到几十只，后面仍要自己判断（本文不提供买卖建议）
• 极端值必须体检 —— 上面 4 个方案都跑出了极端值（PE 0.36 / ROE 95% / 增速 41 万%），体检方法见《因子选股入门》
• 技术面方案（KDJ/RSI/九转）与基本面方案混用要谨慎 —— 前者看价格形态，后者看财报，逻辑不同，同时用可能互相抵消

五、参数速查

`date` 是回测的关键：传入历史日期会用那天的因子值筛选，可以验证"如果当时按这个方案选，后来表现如何"。