企业官网建设流程全解析

每天收盘后强迫自己翻一遍全市场的股票池，是我以前最容易拖延的一件事。几千只标的挨个看K线、对比量能、翻公告，做完基本就到深夜了，而且今天看完明天全忘，筛选标准全凭当时的情绪。后来我干脆用Python写了一套自动化筛选潜力股的工具：爬虫负责把公开的行情数据抓下来，pandas负责清洗和计算指标，最后按照我自己的规则输出一份候选名单。这套流程稳定跑了几个月，它不保证选出的一定涨，但至少把我从“凭感觉盯盘”里彻底解放了出来，每天收盘后十分钟就能拿到一份客观、可复现的筛选报告。这篇文章就把这套系统的完整思路、踩过的坑和关键技术细节分享出来，给同样想用爬虫技术做选股辅助的同学一条可以复现的路线。

先说清楚一件事：我这里说的“潜力股”，指的是技术面上资金关注度在提升、趋势结构转好、尚未被市场充分注意的标的，而不是什么“内幕消息股”或“必涨代码”。选股这件事永远存在不确定性，工具能帮你缩小观察范围、保持纪律性，但不可能替你消除风险。我的定位很简单：让数据来承担重复劳动，让人来做最终判断。

1. 为什么我把选股思路从“盯盘”改成了“写代码”

手动选股这件事，听起来很“专业”，真做起来漏洞百出。我先说自己最直接的三个痛点，你可以对照一下是否也有类似感受。

第一个痛点是覆盖面不够。一个人盯着行情软件，能认真看完的大概也就几十只热门股。但全市场几千只股票，大量波动温和、没有上热门的标的根本不可能靠肉眼覆盖。偏偏很多潜在机会就藏在无人问津的角落里。没有工具的年代，这基本靠运气。

第二个痛点是标准不固定。同样是“放量突破”，昨天我觉得量比大于2算放量，今天可能觉得大于3才算；同样是“均线多头排列”，我看得太细就什么都选不出来，看太松又选出一堆乱七八糟的。标准飘忽不定，结果就是筛选完全没有可复现性，更谈不上后续复盘改进。

第三个痛点是时间碎片化。白天要上班，晚上才有空复盘，等把所有数据翻完，脑子已经成一团浆糊了。第二天早上可能又因为起晚了没来得及看行情，整个节奏都是乱的。

这三个痛点指向同一个解决方案：把筛选过程程序化。行情数据是公开的，技术指标计算是标准化的，筛选规则是可以写成代码的——既然这些都是确定性的工作，为什么不让Python来做？

所以我搭建这套系统的目标很明确：每天自动拉取公开行情数据，计算我关心的技术因子，把全市场按统一规则过滤一遍，输出一份简明报告，我只需要在结果基础上做二次判断。

1.1 这套工具不能做什么，必须先说清

我在最初写这套系统的时候，确实对自动化有很高的期望，但跑了两个月之后，我逐渐认清了一个边界：爬虫选股能解决“数据获取和规则执行”的问题，但解决不了“判断”的问题。

举个例子，我的筛选规则可以捕捉到某只标的底部放量、均线拐头，这些都是可以被量化表达的结构特征。但它无法知道这家公司是不是正在经历经营危机，也无法预测突发消息对股价的冲击。技术指标本质上是对历史数据的数学加工，它描述的是“过去发生过什么”，而不是“未来一定发生什么”。

所以在我这套系统里，筛选结果只是“候选池”，不是“买入指令”。候选池的意义在于缩小你的注意力范围，把几百个符合技术特征的标的筛到几个，然后你再去做基本面查证、消息面核实、仓位规划这些机器不擅长的事。

1.2 适合谁参考，不适合谁参考

这套方案最适合两类人：一类是有编程基础、想用数据辅助决策的个人投资者，你可以把它当成一个练手和技术验证项目；另一类是本身就做量化交易的开发者，可以拿这套框架做策略原型，快速验证自己的想法。

反过来，如果你完全不懂Python，或者期待这套系统能替你“躺着赚钱”，那还是趁早绕道。爬虫选股花时间的是前期搭建和调试，不是天天盯着屏幕操作；规则越是自动化，越要求你对股票市场本身有基本认知，知道哪些指标有意义、哪些会被市场结构变化干扰。

2. 数据源选型与取数链路设计

写爬虫选股系统，第一个要解决的就是数据从哪来。这一步如果地基没打好，后面所有指标计算和筛选都是空中楼阁。

2.1 行情数据获取的三种常见路径

我在调研阶段对比过三条路：手写请求去爬公开财经网页、用社区维护的开源行情接口库、购买商业数据服务。

手写爬虫爬网页的问题在于页面结构太脆弱。财经网站的DOM结构隔几个月改一次版，你辛苦写的解析代码马上就失效；而且网页接口经常有限流机制，抓太频繁容易被封。这条路适合临时抓少量数据，不适合做成每天跑的稳定系统。

商业数据服务稳定性和数据质量最好，客服响应也快，但有成本门槛。如果你想做高频回测、拿毫秒级数据，这是正路；但如果每天只是收盘后拉一次日线数据，花这个钱其实有点浪费。

开源行情接口库是我最终的选择。这类库把底层的数据接口请求、响应解析、格式转换都封装好了，你只需要调用函数就能拿到干净的DataFrame，而且大多数数据源是公开免费的数据，合规风险小。社区维护比较活跃，偶尔接口变动也会有人及时更新适配。

我自己的偏好是：拿来主义能用就用，但必须留一层“防腐层”。也就是说，我不直接在核心代码里到处调用接口，而是把所有取数操作封装到一个独立的数据模块里。万一将来接口变了，我只需要改这一个模块，筛选逻辑一行都不用动。

2.2 三层取数链路：抓取层、缓存层、计算层

有了数据源，接下来是设计架构。我的代码组织分成三层：

第一层是抓取层，负责跟行情源打交道。它做的事情很纯粹：给定一批股票代码和时间范围，返回对应的行情数据。

第二层是缓存层，这是很多刚开始写爬虫的人最容易忽略的。股票数据是典型的时序数据，今天的全量历史行情和昨天几乎一模一样，只有最后一天的数据是新的。如果你每天都把几千只股票的历史数据全量抓一遍，既慢又容易被限流。我的做法是把每次抓到的数据按股票代码分文件缓存到本地，下次优先读缓存，只对缺失的日期做增量更新。

第三层是计算层，所有技术指标的计算都在这层完成。计算层不要直接接触数据源，它只需要从缓存层读到的干净DataFrame。

这样的分层逻辑，好处是非常好排查问题。哪天看到报告数据不对，先判断是抓取问题还是缓存问题还是计算问题，顺着层定位就行，不用在几千行代码里找线索。

2.3 存储选型：parquet 为什么比 CSV 更适合

数据存本地，最自然的想法是存CSV。CSV的优点是人眼可直接读、任何工具都能打开，但缺点也很明显：文件大、读写慢、类型信息丢失。

比如日期字段，CSV存进去是字符串，读出来还得解析；数值字段可能有精度损失；几千只股票每只存一个CSV文件，占用的磁盘空间也相当可观。我一开始用的就是CSV，后来数据量上来之后明显感觉力不从心。

后来我切换到parquet格式。parquet是列式存储，同样数据体积只有CSV的四分之一左右，读取速度要快好几倍，而且数据类型完全保留，读出来就是原生DataFrame，不需要做格式转换。配合Pandas的read_parquet和to_parquet方法，代码几乎没有学习成本。

我的数据目录结构是这样的：

market_data/ ├── stock_list.parquet # 全市场股票清单 ├── daily/ │ ├── 000001.parquet # 每只股票一个文件 │ ├── 000002.parquet │ └── ... └── index/ └── benchmark.parquet # 大盘指数数据，用来算相对强度

这种按股票拆文件的组织方式，增量更新非常方便。每次收盘后只需要遍历一遍股票池，对每只股票检查最新日期，把缺失的数据追加上去就行。

3. 从全市场清单到因子计算：核心实现

选股的前提是把全市场的数据都拉下来。这一段我将拆开来讲，先讲怎么拿到股票清单并过滤，再讲行情数据的关键预处理——复权，最后讲我用到的基础因子计算。

3.1 获取股票基础清单并过滤三种标的

首先要有一个全市场股票清单。开源行情接口库一般都会提供获取全部股票列表的函数，返回内容包括股票代码、名称、上市日期等基础信息。

清单拿到手之后，不能直接开抓，必须先过滤掉三类不适合进入筛选池的标的：

第一类是带ST和退市风险标记的股票。这些标的技术面经常是失真的，连续跌停、流动性枯竭，普通技术指标完全失效。我的规则很简单：股票名称里含ST或者退字样的，直接剔除。

第二类是上市时间过短的次新股。新股上市初期没有足够的历史数据来计算均线、波动率等指标，而且上市前几天的价格波动剧烈，被资金情绪主导，不适合纳入规则筛选。我一般要求上市满250个交易日左右，也就是大约一年，保证至少能算出完整的中长期均线。

第三类是流动性极差的标的。比如日均成交额长期低于某个阈值的，这些股票就算触发技术信号，也很难在合理价位成交，执行层面意义不大。

3.2 前复权数据：不处理就是给自己挖坑

所有做技术分析的人都知道复权很重要，但实际操作中很容易犯错。分红送转会在除权除息日给股价留下一个不自然的大缺口：比如一只股票10送10，除权日股价直接“腰斩”，但持有人的资产并没有变化。如果不做复权处理，均线、相对强度、突破等所有技术指标的计算都会被这些假缺口严重扭曲。

复权分为前复权和后复权。前复权是保持最新价格不变，历史价格往前调整；后复权是保持首发价格不变，后续价格往后调整。日常技术分析用前复权基本是行业共识，因为最新价格就是盘面上看到的真实成交价，历史价格经过调整后形成的K线最能反映真实的趋势结构。

我的取数逻辑里，所有日线数据都要求返回前复权后的开高低收价格。同时在缓存字段里存一个原始未复权收盘价，这样将来如果要算真实的涨跌幅、统计除权除息事件，还有据可查。

3.3 我实际计算的基础因子：MA、成交量均量、RS 与波动率

拿到干净的前复权行情数据后，我开始计算因子。筛选不一定需要花哨的因子，我实际用的都是非常经典的技术指标，但我在计算时注意了一些细节。

均线族是最核心的因子。我计算了MA5、MA10、MA20、MA60四条均线，分别对应短中长三个周期。关键不只是均线本身的值，而是它们的排列关系：如果MA5大于MA10大于MA20大于MA60，说明短期均线在上、长期均线在下，这就是经典的多头排列形态，代表趋势结构偏强。

成交量均量用于识别资金的关注度变化。我计算了5日均量和20日均量。均量的意思是平滑掉单日的偶然波动，看清成交量的趋势性变化。

相对强度RS是我非常看重的一个因子。它的计算方式很简单：用个股区间涨跌幅减去同期基准指数的涨跌幅。当RS为正且持续扩大，说明这只股票在过去一段时间内跑赢了大盘，有资金在特定方向上形成合力。

波动率则用于控制风险。我计算的是过去20个交易日收益率的标准差，年化之后得到一个百分比。波动率太高的票，就算趋势不错，进场后的持仓体验也常常很折磨，所以我会对波动率设置一个上限。

下面是我计算这些因子的核心代码片段，逻辑写出来供你参考，实际使用时再按你选的库做适配：

import pandas as pd import numpy as np def calculate_factors(df: pd.DataFrame) -> pd.DataFrame: """输入前复权日线数据，输出包含基础因子的DataFrame""" result = df.copy() # 均线族 for window in [5, 10, 20, 60]: result[f"MA{window}"] = result["close"].rolling(window).mean() # 成交量均量 result["VOL_MA5"] = result["volume"].rolling(5).mean() result["VOL_MA20"] = result["volume"].rolling(20).mean() # 日收益率与波动率 result["return"] = result["close"].pct_change() result["volatility"] = result["return"].rolling(20).std() * np.sqrt(252) # 相对强度（需要在外部传入基准同期涨跌幅） # result["rs"] = result["close"].pct_change(60) - benchmark_return_60d # 最近的因子值: 取最后一行的快照 latest = result.iloc[-1] return result, latest

这里有个细节：Pandas的rolling计算会自动忽略缺失值，但上市不满60个交易日的股票，算不出MA60。所以我在计算前又做了一层清洗：过滤掉历史长度不足的数据。

4. 把“潜力股”翻译成可执行的筛选规则

数据准备好之后，整个项目最核心的部分来了：什么叫“潜力股”？这个概念很虚，必须把它翻译成一条条可执行的规则。这一步做得好不好，直接决定筛选结果的质量。

4.1 我的四维筛选框架

我把“潜力股”拆解成四个可观测的维度：

趋势结构：均线多头排列，价格在中短期均线之上运行。这个维度衡量的是标的整体方向是否向上。

量能配合：最近成交量显著高于过去20日的平均成交量，且价格上涨伴随着放量。这个维度衡量是否有关注度、是否有资金参与。

相对强度：过去一段时间走势强于大盘。这个维度用来筛选真正有资金合力的标的，而不只是跟着大盘反弹的弱势股。

风险约束：波动率不能过高，距离阶段高点不能回撤太多。这个维度用于排除情绪过度亢奋的标的。

四个维度缺一不可。只有趋势没有量能，可能是无量的空涨，持续性存疑；只有量能没有趋势，可能是下跌途中的反弹，资金在出货而非进场；趋势量能都好但相对强度不行，说明它只是跟随大盘，没有独立性；前面三条全占但波动率失控，持仓风险又太大。

4.2 规则打分卡与代码实现

为了让筛选结果可排序，我用打分制而不是简单的“是/否通过”。每个维度设置若干子条件，每满足一条得一分，最后按总分排序取前N名。下面是打分逻辑的简化版：

def score_stock(latest: pd.Series) -> int: """ 对某只股票的最新因子快照进行打分 总分范围0-10分，分数越高代表技术结构越受关注 """ score = 0 # 维度一: 趋势结构 (满分4分) if latest["MA5"] > latest["MA10"]: score += 1 if latest["MA10"] > latest["MA20"]: score += 1 if latest["MA20"] > latest["MA60"]: score += 1 if latest["close"] > latest["MA20"]: score += 1 # 维度二: 量能配合 (满分2分) vol_ratio = latest["VOL_MA5"] / latest["VOL_MA20"] if vol_ratio > 1.5: score += 1 if latest["close"] > latest["open"] and vol_ratio > 1.2: score += 1 # 维度三: 相对强度 (满分2分) if latest["rs_60d"] > 0: score += 1 if latest["rs_60d"] > 0.1: score += 1 # 维度四: 风险约束 (满分2分) if latest["volatility"] < 0.6: score += 1 if latest["drawdown_20d"] > -0.15: score += 1 return score

打分规则写清楚之后，我按照总分从高到低排序，取前10到20名进入候选池。你看，整个筛选过程完全透明——每一分都是可解释的，每一只入选的股票都能说清楚它强在哪里、缺陷在哪里。

4.3 为什么我用组合规则而不是单一指标

如果你只用单一指标选股，比如只看MACD金叉，你会得到几百甚至上千个信号，而且大量信号是重叠的、噪音很多。单一指标本质上只是从一个角度观察市场，而市场走势是多重力量叠加的结果。

组合规则的核心价值不在于“更准”，而在于“更稳”。它能滤掉大量没有实际意义的假信号。比如一只股票仅仅因为前几天跌幅过大，今天出现技术性反弹，单一指标可能提示“超跌反弹”，但加上均线结构和相对强度过滤之后，这种信号就自动被排除了，因为它不满足趋势向上的大前提。

说白了，组合打分相当于给候选股票做了一次多维度体检，只有各项指标协调匹配的标的才能进入最终名单。用这种方法筛出来的池子，后续人工复盘的命中率和效率，比我之前纯凭感觉挑高得多。

5. 流水线化：从手动查数到每日自动出报告

有了筛选规则，还只是解决了“能选”的问题。真正让这套系统发挥价值的，是把它变成每天自动运行的流水线。这一章我分享调度、异常处理和报告输出的具体设计。

5.1 调度策略：每天收盘后增量更新

股票数据是低频数据，不需要实时的全市场推送。我设置的调度策略是：每个交易日收盘后跑一次主流程。这样既不浪费计算资源，也不会因为频繁请求被数据源限制。

主流程大致分为五步：

1. 更新股票清单
2. 增量拉取每只股票的最新日线数据到本地缓存
3. 批量计算技术因子
4. 对所有股票打分排序
5. 生成报告并推送给自己

在Linux系统上我用cron做定时触发，在Windows上用任务计划程序也行。关键是执行时间要设在收盘清算完成后，避免数据还是半成品。

5.2 异常处理：单只股票失败绝不能拖垮全流程

全市场几千只股票，每天总会在某些标的上遇到数据异常，比如临时停牌、接口返回空值、字段格式不对。最开始我写代码时，一只股票报错就把整个循环中断了，前面算了半天的数据全部白费。

后来我改成：任何一只股票的处理都包在独立的try块里，失败就记录日志，继续下一只。全部跑完之后，再汇总失败列表，统一重试一次；如果重试还失败，就把问题标的标记为“数据异常”，自动排除在当日筛选之外。

这个改动看似简单，但对稳定性提升巨大。运行几个月，流程再没有因为单点问题整体崩过。

5.3 输出一份“说人话”的报告

报告是整个系统的最终产出。如果输出是一堆代码和数字，那只是把问题从“手动盯盘”换成了“手动看代码”，没本质区别。我必须让报告一目了然。

我的报告用Markdown格式生成，核心结构长这样：

# 候选池报告 2026-XX-XX ## 高优先级（得分≥8） 1. 标的A（代码: DEMO001） - 得分: 9/10 - 入选原因: 均线多头排列，5日均量为20日均量的1.8倍，相对强度跑赢大盘12% - 风险提示: 近期涨幅较大，距离20日高点回撤仅2% 2. 标的B（代码: DEMO002） - 得分: 8/10 - 入选原因: 放量突破20日均线，波动率处于健康区间 - 风险提示: 相对强度接近0，需要进一步观察 ## 中优先级（得分≥6） ...

重点是把“它为什么入选”讲清楚，而不只是堆指标。我在每条候选后面都附带入选原因和风险提示，这样我每次复盘报告时，不需要再翻行情软件确认入选逻辑，直接就能判断“这条规则是不是该调整了”。

6. 回测、误区和几个实战中反复踩的坑

系统能跑起来只是第一步。逻辑写完了、报告出来了，如果不去验证这套筛选规则在历史上到底靠不靠谱，那它迟早会变成一种“自我感觉良好”的仪式。最后这部分我聊聊回测方法和我在实际项目里踩过的一些坑。

6.1 回测到底该怎么测才不算自我欺骗

很多人做回测，是用今天的代码去测试昨天已经涨过的股票——这不叫回测，叫“往回看”。

正确的做法是：站在历史某个时点，只用当时已经产生的数据做筛选，然后看这个筛选结果的后续表现。比如我来测“均线多头排列且放量”这个规则，就要选取某个历史日期，用截至那一天的收盘数据计算指标，再观察该日期之后5个交易日、10个交易日的走势，统计入选标的的平均涨幅和胜率。

这个过程需要严格避免前视偏差：不能用未来数据计算任何指标，不能把后来才知道的除权信息混入当时的计算。具体到代码实现，就是当你计算某天的MA20时，只能用当天及之前的数据；当你用前复权数据回测历史时，要清楚前复权因子本身用了后来的价格信息，这在小范围回测中可以接受，但分析时要留意这个偏差。

我做了一个简化版回测脚本：选取过去一年每个交易日作为模拟“策略启动日”，跑当日筛选，记录候选池股票在后续10日的表现，汇总胜率和平均收益。跑完之后我对筛选规则是否值得信任就有了大概的底。

6.2 三个容易误导自己的偏差

幸存者偏差是第一个大坑。我一开始的数据清洗把退市股全剔除了，但这意味着我的股票池里只包含“活下来”的股票。用这样的数据回测，结果天然偏向乐观，因为真正跌到退市的标的根本没在池子里。处理办法是：回测时使用历史时点的全量股票列表，包括后来退市的。

前视偏差刚才已经提过，还有一个容易忽略的版本——财报数据的延迟发布。如果你用财务因子选股，要知道财报公布日期和报告期之间有几个月时差，直接拿报告期数据回测，相当于提前知道了财报内容。

过拟合是第三个坑。调参数的时候，规则表现稍微不理想，你就想“把波动率上限从0.6改成0.4试试”“把放量倍数从1.5改成1.8再跑一遍”，来回折腾十几轮，回测结果肯定越调越好看，但这只是因为你在记忆历史数据，不代表未来的规则有效性。我的做法是每次参数调整都只在一个固定的验证集上测，且严格控制调整次数。

6.3 我在这个系统里踩过的具体坑

说完大原则，说几个非常具体、不跑代码根本不会发现的坑。

第一个坑是复权数据混用。我最初抓取日线数据的时候，接口返回的默认是未复权数据。我算出MA20多头排列，结果买入后发现股价突然“跳空低开”，形态全乱了。后来排查发现是除权除息导致的。解决方式就是前面说的，统一使用前复权数据做指标计算，并把复权参数显式写进代码，避免不同调用之间默认值不一致。

第二个坑是停牌股误判。一只停牌一个月的股票，价格每天“横盘”，这种价格稳定会让技术指标失真。均线系统在停牌期间不会变化，但成交量萎缩到零，会被某些规则误判成“缩量整理”。我加了一个停牌检测：当天成交量为零或者成交额低于阈值的，直接从选股池剔除，并标注为停牌。

第三个坑是一字涨停板。一字涨停时成交量极小，价格大幅上涨，这时候量能指标显示“缩量上涨”，而缩量上涨被很多人理解为健康形态，但实际上是因为根本买不进去，成交自然稀少。如果系统把这个当成强势信号，第二天追高会很被动。应对方式是识别一字板：开盘价等于收盘价且接近涨停幅度的，单调高量能评分。

第四个坑是次新股的数据波动。前面说了要过滤上市不足一年的股票，但即使满足了天数条件，次新股因为没有长期价格中枢，计算出来的波动率和均线结构也常和成熟标的差异巨大。我的做法是在报告中给次新股单独打标签，让它们在候选池里单独分组展示。

6.4 数据采集的合规与频率问题

最后必须要提的是数据采集的分寸感。所有行情数据接口都有访问频率的限制，我严格控制请求间隔，绝不高频并发冲击服务端，也绝不使用绕过限制的手段。爬虫技术本身是中性工具，关键在于使用方式是否合规、是否尊重服务提供方的规则。

我在代码里给请求加了一个限速器，每次请求之间至少间隔一定的毫秒数，这样全市场几千只股票的增量更新虽然会慢一些，但非常稳，这个稳定性比极致的速度重要得多。

回到开头说的目标——把重复劳动交给代码，把时间留给人做判断。这套系统到现在已经迭代了好几版，从最初裸调接口的脚本，变成了带缓存、带打分、带回测的完整小工程。最有价值的一点不是它选出的股票有多准，而是它让我被迫把自己的判断规则清晰地写下来，面对“我到底凭什么认为这是一只潜力股”这个问题，写清楚之后，每一个逻辑漏洞都逃不过回测的检验。

最后一个实用技巧：报告里一定要记录每一只候选股的“入选原因”和“后续走势”，每周复盘一次。系统运行久了，你会积累下大量“入选后大涨”和“入选后大跌”的案例。这些案例是优化规则最可靠的素材，比任何书上教的指标用法都贴近你自己的市场认知。这正是爬虫技术选股相对手动盯盘最大的价值——它可以不断积累数据，让你对筛选规则的理解越来越精确。