很多做价值投资的朋友，平时选股最大的痛点，就是财报筛选太麻烦。几百只 A 股，挨个看 ROE、商誉、净利润、估值，手动筛选半天，还容易踩雷。
今天给大家分享一套零基础可直接运行的 Python 财务选股系统。纯技术工具分享，不荐股、不预测涨跌，仅做金融数据自动化处理学习。
基于 Tushare 官方稳定数据源，全自动完成：财报下载、风险过滤、基本面打分、本地缓存。
一、环境准备
1、注册 Tushare官网：https://tushare.pro手机注册即可，进入个人中心 → 账号与 TOKEN，复制你的密钥。
2、安装依赖打开 CMD 输入：
plaintext
F:\Python312\Scripts\pip.exe install tushare pandas numpy
二、完整可运行源码
新建文件命名为：财务数据处理.py
python
# -*- coding: utf-8 -*-import syssys.path.append(r"F:\AI_Robot_Libs")import pickleimport pandas as pdimport numpy as npimport osimport timefrom datetime import datetimeimport tushare as tsprint("【日志】财务模块加载完成，初始化Tushare数据源")# ============ 仅需修改这里的TOKEN ============BASE_FOLDER = r"D:\tdx\finance_cache"CACHE_PATH = os.path.join(BASE_FOLDER, "fin_cache.pkl")QUERY_DELAY = 0.8MAX_RETRY = 3# 填入你自己的TOKENTUSHARE_TOKEN = "c49cd684f193bf9971b60894a51ac6511e5831499b39531705c56aaa"# 风控筛选参数，可自行调整THRESHOLD_ST = TrueTHRESHOLD_GOODWILL = 0.3THRESHOLD_PROFIT = -10# ============================================pro = ts.pro_api(TUSHARE_TOKEN)def sync_financial_data(retry_times = MAX_RETRY): print(f"【日志】同步启动，剩余重试次数：{retry_times}") if not os.path.exists(BASE_FOLDER): os.makedirs(BASE_FOLDER) print("===== 开始同步全市场财务数据 =====") stock_all = pro.stock_basic(list_status='L', fields='ts_code,symbol,name,industry') stock_all['is_st'] = np.where(stock_all['name'].str.contains('ST|*ST'), "是", "否") code_list = stock_all['ts_code'].tolist() all_fin_data = [] for idx, ts_code in enumerate(code_list): try: df = pro.fina_indicator(ts_code=ts_code, start_date='20250101') if len(df) == 0: continue latest = df.sort_values("end_date", ascending=False).iloc[0] info = stock_all[stock_all['ts_code']==ts_code].iloc[0] gw = float(latest['goodwill']) if pd.notna(latest['goodwill']) else 0 eq = float(latest['total_hldr_eqy_exc_min_int']) if pd.notna(latest['total_hldr_eqy_exc_min_int']) else 1 row = { "code":info['symbol'], "name":info['name'], "industry":info['industry'], "roe":float(latest['roe']) if pd.notna(latest['roe']) else 0, "pe_ttm":float(latest['pe_ttm']) if pd.notna(latest['pe_ttm']) else 999, "net_profit_growth":float(latest['profit_yoy']) if pd.notna(latest['profit_yoy']) else -99, "goodwill":gw, "net_asset":eq, "is_st":info['is_st'], "goodwill_ratio": gw / eq } all_fin_data.append(row) except Exception: continue time.sleep(QUERY_DELAY) if idx % 200 == 0: print(f"【进度】已处理 {idx}/{len(code_list)}") df_save = pd.DataFrame(all_fin_data) with open(CACHE_PATH,"wb") as f: pickle.dump(df_save,f) print("【日志】财务数据同步完成，已缓存") return df_savedef check_cache_valid(): if not os.path.exists(CACHE_PATH): return False t = os.path.getmtime(CACHE_PATH) diff = (datetime.now()-datetime.fromtimestamp(t)).total_seconds()/3600 return diff < 24def load_fin_cache(): with open(CACHE_PATH,"rb") as f: return pickle.load(f)def filter_risk_stock(df): mask = df["is_st"]!="是" mask = mask & (df["goodwill_ratio"] < THRESHOLD_GOODWILL) mask = mask & (df["net_profit_growth"] > THRESHOLD_PROFIT) return df[mask].reset_index(drop=True)def calc_fin_score(row): s1 = np.clip(row["roe"],-10,30)/40*40 s2 = np.clip(row["net_profit_growth"],-20,50)/70*30 s3 = np.clip(100/row["pe_ttm"],0,30) if row["pe_ttm"]>0 else 0 return round(s1+s2+s3,2)if __name__ == "__main__": if not check_cache_valid(): sync_financial_data() data = load_fin_cache() safe = filter_risk_stock(data) safe["基本面得分"] = safe.apply(calc_fin_score,axis=1) print("\n========== 优质基本面股票清单（得分排序）==========") print(safe[["code","name","industry","roe","pe_ttm","net_profit_growth","基本面得分"]].sort_values("基本面得分",ascending=False))
三、脚本功能介绍
1、全自动财报下载批量获取全市场 A 股最新财务数据，稳定调用 Tushare 官方接口。
2、智能风险过滤自动剔除：
3、三因子基本面打分（100 分制）
4、24 小时本地缓存一次下载数据，24 小时内断网也能重复筛选，不用重复爬取。
四、积分说明
本教程为完整原创实操教程，发布带原创标识后，可提交 Tushare 官方兑换最高 1000 积分。新用户凑满 2000 积分，即可永久解锁财务指标接口。
免责声明
本文仅为 Python 编程技术与金融数据处理教学分享，不构成任何投资建议，不推荐个股，股市有风险，投资需谨慎。
