tech

Python实现股票筛选器

欢迎来到你的基于 Python 的股票筛选工作流——无需付费终端，无需手动过滤，完全掌控。

Python实现股票筛选器
一键发币： Aptos | X Layer | SUI | SOL | BNB | ETH | BASE | ARB | OP | Polygon | Avalanche | 用AI学区块链开发

大多数交易员每年支付数百美元来获取他们可以用 Python 免费获取的数据。
如果你曾经使用过Finviz，你已经知道它是一个非常强大的筛选器——但如果你能自动化你的扫描，将指标直接拉入你的 Python 环境，并与来自 EODHD 的专业级市场数据合并，会怎么样？

欢迎来到你的基于 Python 的股票筛选工作流——无需付费终端，无需手动过滤，完全掌控。

1、为什么你不再需要昂贵的筛选器了

大多数交易员手动使用像 Finviz 这样的筛选器——打开网站，点击过滤器，然后导出股票代码。但如果你在构建系统，你需要自动化和可回测的数据。

这就是 finvizfinance 的作用——一个 Finviz 数据的 Python 包装器，让你：

  • 程序化地筛选股票
  • 提取公司详情、行业和表现数据
  • 与 EODHD 等 API 结合，获取历史或基本面数据进行增强

这意味着你的工作流程可以从 “手动扫描” → “自动策略构建器”只需几分钟。

2、安装和导入 finvizfinance

pip install finvizfinance

然后在 Python 中导入并开始使用：

from finvizfinance.screener import Screener

# 使用所需的过滤器初始化筛选器  
filters = ['cap_large', 'geo_usa', 'ta_rsi_os40']  # 大盘股、美国、RSI 低于 40  
stock_screener = Screener(filters=filters)

filters 参数对应于 Finviz 上的下拉菜单。

在这里，我们正在获取潜在超卖的大盘美股——这是均值回归或波段交易策略的一个良好起点。

3、获取并查看筛选结果

一旦设置好筛选器，就可以获取数据：

df = stock_screener.get_screen_data()  
print(df.head())

输出：

你刚刚用 Python 建立了实时的 Finviz 筛选器。

现在，让我们将这些数据转化为可操作的交易分析。

4、用 EODHD 历史和基本面数据进行丰富

Finviz 提供的是表面见解。但如果你想获得真正的量化力量，你需要准确的历史和基本面数据。

这就是 EODHD (收盘后历史数据) 的作用。

EODHD 提供：

  • 20 多年的 OHLCV 历史数据
  • 100,000+ 全球股票代码
  • 收益、拆股、分红
  • 基本面比率（市盈率、市净率、净资产收益率等）

你可以轻松地合并这两个来源：

import requests

api_token = "YOUR_EODHD_API_KEY"  
symbol = "AAPL"url = f"https://eodhd.com/api/eod/{symbol}.US?api_token={api_token}&fmt=json"  
data = requests.get(url).json()print("最新收盘价:", data[-1]['close'])

现在，想象一下你从 Finviz 筛选器列表中提取基本面数据，从 EODHD 获取数据，并根据风险调整回报率或估值对股票进行排名——你就建立了一个自己的机构级筛选器。

5、构建定量股票排名系统

将两个来源的指标结合起来，形成自定义评分模型：

import pandas as pd

# 示例：合并 RSI（来自 Finviz）和 P/E（来自 EODHD）  
df['RSI_Score'] = 100 - df['RSI']  # RSI 越低，得分越高  
df['PE_Score'] = 1 / df['PE']  # P/E 越低，越好  
df['Final_Score'] = 0.6 * df['RSI_Score'] + 0.4 * df['PE_Score']ranked = df.sort_values('Final_Score', ascending=False)  
print(ranked[['Ticker', 'Final_Score']].head(10))

你现在得到了一个数据驱动的、排序的机遇列表——远远超越静态筛选器所能提供的。

6、自动化与回测

这里才是真正的强大之处——将你的筛选器与回测库如 backtesting.py 或你自己的逻辑集成。

你可以使用 EODHD 的 历史数据来模拟你的策略表现：

from backtesting import Backtest, Strategy  
from backtesting.test import SMA

class RSIStrategy(Strategy):  
    def init(self):  
        price = self.data.Close  
        self.rsi = self.I(lambda p: pd.Series(p).rolling(14).apply(lambda x: 100 - (100 / (1 + (x.pct_change().dropna() > 0).mean()))), price)  
    def next(self):  
        if self.rsi[-1] < 30:  
            self.buy()  
        elif self.rsi[-1] > 70:  
            self.sell()# 运行回测使用 EODHD 数据  
import pandas as pd  
df = pd.DataFrame(data)  
df['Date'] = pd.to_datetime(df['date'])  
df.set_index('Date', inplace=True)bt = Backtest(df, RSIStrategy, cash=10000)  
bt.run()

现在你不仅仅是筛选——你还在自动验证、排序和测试。

7、为什么这个组合有效

这个组合为你提供了彭博级别的洞察力——而无需每月支付 2000 美元。

你可以使用 CRON 或 Windows 任务计划程序 每周安排此管道，将结果导出到 Google 表格，或给自己发送 Telegram 警报，告知通过你过滤器的前 5 只股票。

示例代码片段用于导出：

ranked.to_csv('screened_stocks.csv', index=False)  
print("✅ 筛选器结果已保存到 screened_stocks.csv")

筛选的未来是 API 驱动的、通过自动化赢得速度和精度的交易者。

你不需要再爬取、猜测或依赖第三方门户了。有了 Python + finvizfinance + EODHD，你可以拥有你的数据、控制你的过滤器，并验证你的优势——全部在一个框架中。

8、结束语

停止为数据仪表板付费，当你可以自己构建时。

以前每月花费数千美元的东西现在变成了开源且 API 驱动。

无论你是扫描被低估的科技股还是回测股息收益率过滤器，工具已经在你手中——你只需要将它们连接起来。

原文链接：Stop Paying for Data! Your Python Guide to Superior Stock Screener Analysis (Using finvizfinance)

DefiPlot翻译整理，转载请标明出处

免责声明：本站资源仅用于学习目的，也不应被视为投资建议，读者在采取任何行动之前应自行研究并对自己的决定承担全部责任。

Read next