用Python分析公开数据选出高送转预期股票

江水滔滔

本文授权转载自公众号：挖地兔（waditu）-  Jimmy米哥
上周五，永和智控公布了高送转预案，开盘涨停并直至收盘，打响了2016年报高送转的第一枪，一些具备高送转预期的个股也纷纷上涨，再次启动了高送转行情。

根据以往的经验，每年年底都会有一波高送转预期行情。今天，米哥就带大家实践一下如何利用tushare实现高送转预期选股。

本文主要是讲述选股的思路方法，选股条件和参数大家可以根据米哥提供的代码自行修改。
1. 选股原理
一般来说，具备高送转预期的个股，都具有总市值低、每股公积金高、每股收益大，流通股本少的特点。当然，也还有其它的因素，比如当前股价、经营收益变动情况、以及以往分红送股习惯等等。

这里我们暂时只考虑每股公积金、每股收益、流通股本和总市值四个因素，将公积金大于等于5元，每股收益大于等于5毛，流通股本在3亿以下，总市值在100亿以内作为高送转预期目标（这些参数大家可根据自己的经验随意调整）。

2. 数据准备

首先要导入tushare：

1. import tushare as ts

复制代码

调取股票基本面数据和行情数据

1. # 基本面数据
2. basic = ts.get_stock_basics()
4. # 行情和市值数据
5. hq = ts.get_today_all()

复制代码

3. 数据清洗整理

对获取到的数据进行清洗和整理，只保留需要的字段。（其它字段及含义，请参考http://tushare.org文档）

1. #当前股价,如果停牌则设置当前价格为上一个交易日股价
2. hq['trade'] = hq.apply(lambda x:x.settlement if x.trade==0 else x.trade, axis=1)
4. #分别选取流通股本,总股本,每股公积金,每股收益
5. basedata = basic[['outstanding', 'totals', 'reservedPerShare', 'esp']]
7. #选取股票代码,名称,当前价格,总市值,流通市值
8. hqdata = hq[['code', 'name', 'trade', 'mktcap', 'nmc']]
10. #设置行情数据code为index列
11. hqdata = hqdata.set_index('code')
13. #合并两个数据表
14. data = basedata.merge(hqdata, left_index=True, right_index=True)

复制代码

4. 选股条件

根据上文提到的选股参数和条件，我们对数据进一步处理。

1. 将总市值和流通市值换成亿元单位
2. data['mktcap'] = data['mktcap'] / 10000
3. data['nmc'] = data['nmc'] / 10000

复制代码

设置参数和过滤值（此次各自调整）

1. #每股公积金>=5
2. res = data.reservedPerShare >= 5
3. #流通股本<=3亿
4. out = data.outstanding <= 30000
5. #每股收益>=5毛
6. eps = data.esp >= 0.5
7. #总市值<100亿
8. mktcap = data.mktcap <= 100

复制代码

取并集结果：

1. allcrit = res & out & eps & mktcap
2. selected = data[allcrit]

复制代码

具有高送转预期股票的结果呈现：

以上字段的含义分别为：股票名称、收盘价格、每股公积金、流通股本、每股收益（应该为eps，之前发布笔误）、总市值和流通市值。

（本文仅作为编写选股策略的实例练习，不构成任何投资参考建议。投资有风险，入市需谨慎。）

在公众号（crossincode）中回复『高送转』，可以查看完整示例代码。

对数据分析和量化感兴趣的朋友，可关注公众号 “挖地兔”（waditu），阅读更多相关文章。