Python 金融数据抓取与筛选：构建高质量股票投资组合

在金融投资领域，Python 以其强大的数据处理能力和丰富的第三方库支持，为投资者提供了便捷、高效的市场数据获取与分析手段。本文将以一段代码为例，详解如何使用 Python 进行股票实时行情获取、关键指标筛选、多维度排名打分以及最终生成一份高质量的投资组合。我们将主要运用以下几个库：

• efinance: 用于获取金融数据。
• pandas: 数据处理、清洗与分析。
• datetime: 时间日期处理。
• time: 计时与性能评估。

一、实时行情数据获取与存储

1. 导入所需库：首先导入 efinance 以获取实时股票行情，同时引入 time、datetime、os 和 pandas 以支持后续数据处理。

import time, datetime

import os

import efinance.stock as ef

import pandas as pd

2. 计时开始：使用 time.perf_counter() 记录程序开始时间，便于后续计算运行耗时。

a = time.perf_counter()

3. 获取实时行情：调用 efinance.stock.get_realtime_quotes() 函数获取当前股票实时行情数据，并将其存储在变量 quotes 中。

quotes = ef.get_realtime_quotes()

4. 数据存储：将实时行情数据保存为 CSV 文件，便于后续分析与查阅。首先确定用户桌面路径，然后拼接文件名，使用 to_csv() 方法将数据写入指定位置。

desktop_path = os.path.join(os.path.expanduser('~'), 'Desktop')

csv_path = os.path.join(desktop_path, '10到300.csv')

quotes.to_csv(csv_path, index=False, encoding='utf-8-sig')

5. 查看数据：打印实时行情数据的前三行，直观了解数据结构。

print(quotes.head(3))

二、公司财务指标获取与合并

1. 获取财务指标：调用 efinance.stock.get_all_company_performance() 函数获取所有公司的财务指标数据，存储在变量 performance 中。

performance = ef.get_all_company_performance()

2. 财务指标存储：将财务指标数据保存为另一个 CSV 文件，以便后续操作。

csv_path1 = os.path.join(desktop_path, '股票指标.csv')

performance.to_csv(csv_path1, index=False, encoding='utf-8-sig')

3. 指标数据补充：读取先前保存的“股票指标”CSV 文件，将其与 performance 中的关键财务指标（如净利润、每股收益、净资产收益率等）合并到同一 DataFrame 中。

df = pd.read_csv(csv_path1, encoding='utf-8-sig', dtype={'股票代码': str})

df['净利润'] = performance['净利润']

df['每股收益'] = performance['每股收益']

df['净资产收益率'] = performance['净资产收益率']

df['销售毛利率'] = performance['销售毛利率']

df['营业收入同比增长'] = performance['营业收入同比增长']

df.to_csv(csv_path1, encoding='utf-8-sig')

三、筛选与优化投资组合

1. 数据合并：将财务指标数据与原始实时行情数据（'10到300.csv'）进行合并，依据股票代码作为连接键，保留所有列。

csv_path2 = os.path.join(desktop_path, '10到300.csv')

df1 = pd.read_csv(csv_path2, encoding='utf-8-sig', dtype={'股票代码': str})

df1 = df1.merge(df, on='股票代码', how='left')

df1.to_csv(csv_path2, index=False, encoding='utf-8-sig')

2. 数据类型转换与处理：将“总市值”字段中的缺失值替换为 NaN，并转换为浮点型；筛选出总市值在 10 亿到 300 亿之间的股票；去除股票名称中含有 'S' 或 '*' 字符，以及股票代码以 '688', '8', '4' 开头的股票。

df1['总市值'] = df1['总市值'].replace('-', float('nan'))

df1['总市值'] = df1['总市值'].astype(float)

df2 = df1[(df1['总市值'] > 1000000000) & (df1['总市值'] < 30000000000)]

df2['股票名称'] = df2['股票名称'].astype(str)

df2['股票代码'] = df2['股票代码'].astype(str)

df2 = df2[~df2['股票名称'].str.contains('S|\*') & ~df2['股票代码'].str.startswith(('688', '8', '4'))]

3. 多维度排名与筛选：
4. 营业收入同比增长排名：按照营业收入同比增长指标，选择排名前 30% 的股票中流通市值最小的前 100 只股票，存储在 df3 中。
5. 净利润同比增长与营业收入同比增长综合排名：计算两个指标的综合排名，选择排名前 30% 的股票中流通市值最小的前 100 只股票，存储在 df4 中。
6. 净利润同比增长、营业收入同比增长与动态市盈率综合排名：增加动态市盈率指标，计算三个指标的综合排名，选择排名前 30% 的股票中流通市值最小的前 100 只股票，存储在 df5 中。
7. 合并筛选结果：将 df3, df4, df5 合并，去除重复股票代码，保留唯一股票，按流通市值排序，选取前 100 只股票，存储在 df6 中。

# ... 略去中间代码

df6 = pd.concat([df3, df4, df5])

df6.drop_duplicates(subset='股票代码', keep='first', inplace=True)

df6 = df6.sort_values(by=['流通市值'])

df6 = df6.iloc[:100]

4. 股票代码格式统一：检查 df6 中股票代码列，确保所有代码均为 6 位数。若长度不足 6 位，则在前面补足 0。

for i, code in enumerate(df6['股票代码']):

if len(str(code)) != 6:

        df6.at[i, '股票代码'] = str(code).zfill(6)

5. 最终结果存储：将优化后的投资组合数据 df6 存储为新的 CSV 文件（'10到300-100.csv'），便于后续分析或分享。

csv_path3 = os.path.join(desktop_path, '10到300-100.csv')

df6.to_csv(csv_path3, index=False, encoding='utf-8-sig')

6. 查看结果：打印最终投资组合数据的前三行，验证数据筛选与格式化是否正确。

df6 = pd.read_csv(csv_path3, encoding='utf-8-sig')

print(df6.head(3))

7. 计算运行耗时：使用 time.perf_counter() 记录程序结束时间，计算并输出程序运行总时长（秒）以及格式化为小时:分钟:秒。

b = time.perf_counter()

print('运行时间:%s 秒' % (b - a))

print('运行时间:', time.strftime('%H:%M:%S', time.gmtime(b - a)))

综上所述，这段 Python 代码展示了如何从实时行情数据出发，结合公司财务指标，通过多维度排名与筛选策略，构建出符合特定条件的高质量股票投资组合。整个过程涉及数据获取、清洗、合并、筛选、排名、格式化等多个环节，充分体现了 Python 在金融数据分析领域的高效与灵活性。