企业官网建设流程全解析

有人在技术群里甩出一句话：MATLAB 里 k 大于等于 0 到底该怎么写？底下跟了一堆答案，从k >= 0到ge(k,0)，再到assume(k >= 0)、lb = 0，每种写法都对，但每种写法适用的场景完全不同。这个问题看着像新手提问，实际上它背后藏着一条很实用的主线：怎样把一个"条件"准确地翻译成机器能执行的判断，再用这个判断去筛东西。巧的是，同一周我在整理一套基本面筛选脚本，主题是白马股的初筛——你会发现这两件事在内核上是同一件事：MATLAB 里k >= 0返回的不是一句"是的"，而是一个逻辑值，用来当筛子；挑白马股也一样，把"好公司"这种模糊印象拆成一组可比较的数值条件，让>=和<=去干活。这篇就把这两条线并到一起讲：前面把"k 大于等于 0"的各种表示方式、边界情况和翻车点说透，后面把这套条件表达直接落成一个能跑的白马股筛选脚本，中间穿插我踩过的坑。适合刚上手 MATLAB、又想把代码用到实际数据分析里的朋友，也适合写了很多年脚本但一直被浮点比较、逻辑索引坑过的人。

1. 一个被问烂的问题：k >= 0 的四种表示与它们各自的战场

先给结论，再讲为什么。MATLAB 里表达"k 大于等于 0"至少有四条路：关系运算符k >= 0、函数形式ge(k,0)、符号假设assume(k >= 0)、优化约束里的边界lb = 0。四条路都合法，选错的那条不会报错，只会悄悄给你一个错的结果——这才是最讨厌的地方。下面挨个拆。

1.1 关系运算符返回的是 logical，不是"真"

很多人第一次被 MATLAB 的逻辑值搞懵，是因为它在命令窗口里显示成1，看起来像个数字。实际上k >= 0的结果类型是logical，只有true和false两个取值，只不过显示的时候打成了 1 和 0。你可以自己验一下：

k = 5; r = k >= 0; class(r) % logical islogical(r) % 1 double(r) % 1，可以转成数值参与算术

这个设计的意义在于：逻辑值可以直接当索引、可以求和、可以做掩码运算。比如sum(x >= 0)得到的是"非负元素有几个"，mean(x >= 0)得到的是"非负元素占比"。这两个用法在数据清洗阶段出镜率极高，比写循环数数快一个数量级。我在做缺失值统计时经常这么干，一行mean(isnan(T.roe))就能看出某个字段的缺失比例。

顺便提一句ge。ge(k,0)和k >= 0完全等价，ge就是 greater-or-equal 的缩写，同族的还有gt、lt、le、eq、ne。平时写代码没人用函数形式，它的真正价值在于两点：一是可以配合feval或函数句柄做批处理，二是当你要在字符串里拼条件、或者把运算符当参数传进另一个函数时，函数形式更顺手。我在写规则引擎的时候就吃过这个甜头——把规则表里的运算符列成"ge"，用str2func转成句柄，加一条新规则不用改主循环。

还有一个容易被忽略的细节：MATLAB 里没有=>。有人从别的语言迁移过来，手滑写成k => 0，报错信息指向的位置还经常看不明白。另外>=中间不能有空格，k > = 0是语法错误。这类问题看着低级，但在赶进度的时候真的会卡住人。

1.2 k 是符号变量时，>= 不是判断而是假设

如果k是用syms声明的符号变量，那k >= 0返回的还是一个符号关系式，而不是true。这时候它的作用是"声明"而不是"求值"：

syms k real assume(k >= 0) assumptions(k) % 返回 k >= 0，说明假设已生效 isAlways(k >= 0) % 返回 logical 1

这里的坑在于assume是覆盖式的。如果你先assume(k >= 0)，后面又写了assume(k < 10)，前面那条非负假设就被顶掉了，k >= 0不再是已知条件。要叠加条件必须用assumeAlso：

assume(k >= 0) assumeAlso(k < 10) assumptions(k) % 两条都在

带约束求解的时候，ReturnConditions参数会返回一个纯符号条件，你还得自己把它翻译回可读的结论：

syms x real sol = solve(x^2 == 4, x, 'ReturnConditions', true); sol.x % 两个根 sol.conditions % 条件表达式

而assume(k, 'real')和assume(k >= 0)是两件事：前者只排除复数，后者才限定非负。做符号推导时如果忘了声明real，sqrt(k^2)不会简化成k而是abs(k)，很多人以为是软件不聪明，其实是自己没给够信息。我的习惯是符号变量一声明就把real加上，再按需叠加非负、整数这些限定，省得后面一堆化简做不动。

1.3 数组场景下，逻辑索引才是真正的主战场

实际工作中k很少是标量，多半是一整列数据。这时k >= 0返回的是一个同尺寸的逻辑数组，也就是"筛子"本身：

x = [-3 -1 0 2 5]; mask = x >= 0; % [0 0 1 1 1]，logical x(mask) % [0 2 5] x(x >= 0) % 一步到位，等价写法 nnz(mask) % 3，非零元素个数

这套机制之所以好用，是因为它天然支持复合条件。多个条件用&、|、~拼起来，得到的是一个更细的筛子，而不是一串嵌套if。比如"非负且为偶数"写成x >= 0 & mod(x,2) == 0，一行搞定，不用循环。数据量上到几十万行的时候，这个差别不是风格问题而是能不能跑完的问题。

find和逻辑索引的区别也值得说一句。find(x >= 0)返回的是位置下标，适合需要"第几个"的场景；逻辑索引返回的是值本身，适合直接取值。早期代码里常见x(find(x>=0))这种写法，功能上没错，但多绕了一步，现在编辑器会提示可以简化。另外find带两个输出参数能一次拿到行列号，处理二维表的时候很方便。

2. 条件写对了却结果不对：几个高频翻车现场

语法过关只是第一步。我在帮人看代码时发现，绝大多数"条件明明写了但结果不对"的问题，都不是运算符写错，而是踩了下面这几个坑。它们有个共同特征：不报错、不警告，静静地给你一个错误的筛选结果。

2.1 浮点数比较：>= 0 把该留下的记录扔了

先看一段能跑出反直觉结果的代码：

a = 0.1 + 0.2 - 0.3; a >= 0 % 返回 1，看着没问题 a % 5.5511e-17，其实不是 0 b = 0.3 - 0.2 - 0.1; b >= 0 % 返回 0 b % -2.7756e-17

b在数学上是 0，但在双精度下是负的，b >= 0直接判假。放到财务数据上，这个误差会被放大：某个指标理论上正好等于阈值 30%，计算结果却是 29.999999999999996，>= 30判假，一条本该入选的记录就被悄悄淘汰了。这种 bug 最难查，因为它的出现与否取决于具体数值，样本一换就复现不了。

处理办法是引入容差。要么把条件放宽一点，要么用绝对误差判断：

tol = 1e-9; mask = b >= -tol; % 容差版的不小于 mask2 = abs(b) <= tol; % 判断"等于 0"

容差取多大是有讲究的。eps是机器精度，约 2.2e-16，对于经过多步运算的值往往不够用；财务比率一般保留两位小数，取 1e-6 到 1e-9 都合理。我在做比率筛选时统一用1e-8，既不会误纳也不会误杀。另外提醒一句，不要用==比较浮点数，这是同一个问题的另一面。

2.2 if 里的向量化陷阱：条件是真，但代码不走

if语句要求条件表达式能归约成一个标量。如果你在if里写了数组比较，MATLAB 会按"所有元素都为真"来处理，行为看着像对的，其实逻辑已经跑偏了：

x = [1 -2 3]; if x >= 0 disp('进入分支'); % 不会执行，因为有负数 end

更危险的是下面这种：作者本意是"任意一个满足就执行"，结果写成了全都要满足，测试用例恰好是全正数，一路绿灯上线，遇到真实数据就静默失效。正确做法是显式归约，让意图写在代码上：

if all(x >= 0) % 全部非负 if any(x >= 0) % 至少一个非负

我的习惯是：只要if或while的条件里出现数组，一律套all或any，哪怕当前确定是标量也套上。这不是洁癖，是给三个月后接手的人（往往就是自己）留个明确提示。

2.3 && 与 & 的分工：短路求值只对标量生效

&&和&的区别不是性能优化，而是语义不同。&&是短路求值，左边为假时右边根本不执行，但它只接受标量；&是逐元素运算，专为数组设计。

v = [1 0 1]; % v && v(1) % 报错：操作数必须能转换为逻辑标量 v & v(1) % 正常：[1 0 1] % 短路的价值：避免无效计算 if ~isempty(data) && mean(data) > 0 % data 为空时不会去算 mean end

上例里如果把&&换成&，isempty(data)为真时mean(data)依然会被求值，返回NaN，虽然结果碰巧还是假，但中间多了一次无意义的计算，遇到更复杂的表达式可能直接抛错。反过来，数组场景硬用&&会报错。判断口诀很简单：标量用&&/||，数组用&/|，混着用迟早出事。

还有一个小细节：~在数组上是逐元素取反，在标量上也是，但~=是比较运算符不是"非等于"。有人习惯写~(x == 0)，等价于x ~= 0，但后者可读性更好，也更省一次运算。

3. 把条件变成筛子：白马股这件事本质是一组 >= 和 <=

铺垫到这里，主线可以接上了。所谓"挑白马股"，抛开各种玄乎的说法，落地动作就是把一组财务约束翻译成>=、<=的组合，然后对一个全市场的数据表做逻辑索引。它和你写的x(x >= 0)是同一套机制，区别只在于字段更多、阈值需要论证、结果需要人工复核。

3.1 先定义清楚"白马"，再谈阈值

"白马股"在中文语境里通常指长期业绩稳定、盈利能力强、现金流健康、分红持续、信息披露规范的一类标的，市场关注度高但不算冷门投机品种。这个描述没法直接写成代码，得拆。我把拆解原则定为三条：一是可量化，每条都能对应到财报里的具体科目；二是可获取，公开定期报告里能算出来，不需要额外调研；三是可复现，换个时间点重跑，规则不变结果可对。

按这三条拆下来，我最终用的是六个维度：盈利能力（净资产收益率）、盈利质量（毛利率及其稳定性）、财务结构（资产负债率）、现金流质量（经营现金流净额与净利润的比值）、股东回报（连续分红年数和股利支付率）、以及若干排除项（连续亏损、风险警示状态、上市年限不足）。每一项都可以映射成一个数值型字段加一个比较运算符，这就是筛选表的雏形。

这里要强调一句：阈值本身没有普适标准。市场上流传的"ROE 大于 15%"这类数字，本质是经验值，在不同行业、不同利率环境下都该调整。我在代码里把阈值全部集中在配置表里，不写死在逻辑中，就是为了随时能换参数重跑。

3.2 六个硬性条件与它们背后的取舍

把上面的维度落成具体规则，我用的版本是这样的：

排除项单独列，因为它们不适合做成连续阈值：是否存在亏损年份、是否处于风险警示状态、上市是否满五年。这三条都是布尔判断，直接用~取反即可。

毛利率稳定性用"标准差除以均值"而不是纯标准差，是为了消除规模差异——一家毛利率 60% 的公司波动 6 个点（10%）和一家 20% 波动 6 个点（30%）不是一个概念。资产负债率的 60% 上限对制造业、消费类大致合适，但银行、券商这类高杠杆行业天然不适用，所以我的代码里留了一个行业白名单字段，把金融类单独拎出去，不参与这条筛选，而不是硬套一个错阈值。

3.3 用逻辑矩阵一次筛完：all、any、sum 的正确组合

单条条件的筛选很简单，多条条件堆一起时，有几种写法，效果差别很大。我见过最多的是嵌套判断，一层套一层，改一条规则要动三层缩进。我的做法是把规则外置成表格，主循环只有三行：

% 规则表：描述 + 匿名函数，一行一条 rules = { "五年平均ROE不低于15%", @(T) T.roe5 >= 15 "毛利率不低于30%", @(T) T.grossMargin >= 30 "毛利率波动率不高于0.15", @(T) T.gmStd ./ T.grossMargin <= 0.15 "资产负债率不高于60%", @(T) T.debtRatio <= 60 "现金利润比不低于0.8", @(T) T.cashToNI >= 0.8 "连续分红不少于5年", @(T) T.divYears >= 5 "股利支付率不低于30%", @(T) T.payout >= 30 "近五年无亏损", @(T) ~T.profitNeg "非风险警示状态", @(T) ~T.isST "上市满五年", @(T) T.listYears >= 5 }; mask = true(height(T), 1); for i = 1:size(rules, 1) mask = mask & rules{i,2}(T); % 注意：用 & 不用 &&，整列逐元素 fprintf('%-24s 通过 %d 条\n', rules{i,1}, sum(mask)); end pool = T(mask, :);

这段代码有几个刻意设计。第一，mask从全true开始，用&逐条收窄，好处是每条规则执行完都能打印一次剩余数量，一眼看出是哪一条把池子砍得太狠。第二，rules用 cell 存匿名函数，加规则只需要多写一行，主循环完全不动。第三，循环里必须用&，因为mask是列向量，用&&会直接报错——这正好呼应前面 2.3 节讲的运算符选择。

诊断输出这块我再多说一句。真实数据跑下来，经常出现某一条规则把池子从 800 砍到 12 的情况，这时候先别急着调阈值，得看是不是字段口径出了问题，比如cashToNI里混进了负的净利润导致比值失真。sum(mask)逐步打印的办法，比对着空结果瞎猜高效得多。

4. 从数据表到候选池：一个能跑通的完整脚本

讲了这么多原则，得给一份能直接复现的代码。下面这套结构我在好几个类似任务里用过，改动点主要是字段名和阈值，骨架不变。为了让代码能独立运行，数据部分用固定随机种子的模拟表代替，实际使用时把数据加载那一段换掉即可。

4.1 字段设计与模拟数据

字段设计的第一原则是命名带单位。财务数据最怕单位混乱，同一个字段一半是百分数一半是小数，筛选结果必然是错的。我的约定是：所有比率类字段统一用百分数（15 表示 15%），比值类字段用无量纲小数（0.8 表示 0.8 倍），年限类用整数。把约定写在表头注释里，比写在文档里管用。

function T = mockFundamentals(n) % 生成演示用的模拟基本面数据，字段含义见右注释 rng(20240101); % 固定种子，结果可复现 name = "M" + string((1:n)'); % 虚构标的编号 T = table(name); T.industry = categorical(randi(8, n, 1)); % 行业分类编号 T.listYears = randi([1 20], n, 1); % 上市年数 T.roe5 = 8 + 10*rand(n,1) + 3*randn(n,1);% 五年平均ROE(%) T.grossMargin = 15 + 35*rand(n,1); % 近一年毛利率(%) T.gmStd = 1 + 8*rand(n,1); % 毛利率五年标准差(%) T.debtRatio = 20 + 55*rand(n,1); % 资产负债率(%) T.cashToNI = 0.3 + 1.1*rand(n,1); % 经营现金流/净利润 T.payout = 10 + 50*rand(n,1); % 股利支付率(%) T.divYears = randi([0 12], n, 1); % 连续分红年数 T.profitNeg = rand(n,1) < 0.10; % 是否存在亏损年份 T.isST = rand(n,1) < 0.08; % 是否风险警示状态 end

模拟数据里我刻意让字段之间没有强相关，这样能看出每条规则的独立效果。真实数据里 ROE 和毛利率通常是正相关的，筛选结果会更集中，这一点在调阈值时要考虑到。

4.2 硬性过滤 + 软性打分两级结构

只用>=筛出来的是"合格"，不是"最优"。合格池里可能还剩几十上百个标的，直接看不过来。我的做法是两级：第一级硬性过滤砍掉明显不合格的，第二级对留下的做百分位打分排序，用排名代替绝对阈值，避免"刚好卡线"的标的和"远超阈值"的标的获得相同权重。

% 第二级：百分位打分（0~1，越大越好） pctRank = @(v) (tiedrank(v) - 1) / max(numel(v) - 1, 1); score = 0.30 * pctRank(pool.roe5) ... + 0.20 * pctRank(pool.grossMargin) ... + 0.15 * pctRank(-pool.gmStd ./ pool.grossMargin) ... % 波动越小越好，取负 + 0.15 * pctRank(-pool.debtRatio) ... % 负债越低越好，取负 + 0.10 * pctRank(pool.cashToNI) ... + 0.10 * pctRank(pool.payout); pool.score = score; pool = sortrows(pool, 'score', 'descend'); disp(pool(1:min(10,height(pool)), {'name','roe5','grossMargin','debtRatio','score'}));

几个细节值得说明。用tiedrank而不是normalize，是因为百分位对异常值不敏感——某家公司 ROE 高到离谱，在 z-score 体系里会把其他所有公司压到接近零，而百分位只把它排到第一名，其余的相对位置不受影响。权重加起来等于 1，方便解释；权重本身怎么定是可以调的，我倾向于盈利能力给到 0.3，因为长期回报最终由它决定，其余按重要性递减。

取负号这一步容易被忽略。波动率、负债率都是"越小越好"，直接算百分位会把保守的公司排到后面，取负之后方向就对了。这类方向问题一旦搞反，结果会非常离谱，但代码不报错，只能靠人工抽检发现。

4.3 输出与人工复核环节

脚本跑完不是终点。我习惯在输出里带上前三名的关键字段，以及"卡线情况"标记——哪些标的是刚好达到阈值、哪些是明显超出。判断标准是给每条规则算一个余量比例，余量小于 5% 的打标记：

margin.roe = (pool.roe5 - 15) ./ 15; margin.debt = (60 - pool.debtRatio) ./ 60; pool.nearLine = margin.roe < 0.05 | margin.debt < 0.05; fprintf('卡线标的数量：%d\n', sum(pool.nearLine));

这一步的价值在于：阈值附近的标的对参数最敏感。你稍微把 ROE 门槛从 15 调到 14，池子可能多出三成，而这三成里的质量差异是最大的。把它们标出来，人工复核时优先看这批，效率最高。至于复核看什么，那就超出代码范围了——行业景气度、竞争格局、治理结构这些没法从定期报告里直接算出数字的东西，才是决定要不要继续跟下去的关键。代码只负责把范围从几千个缩到几十个，剩下的活还是得人来干。

5. 我在这套流程里踩过的坑与几条经验

代码能跑通和结论能用之间，隔着一段全是坑的路。下面这几条都是实际吃过亏之后总结的，跟语法无关，但踩上去一样难受。

5.1 数据口径不一致，比代码写错更致命

我第一次跑这套筛选的时候，结果里出现了一批明显不该入选的标的。查了半天代码，逻辑没问题，问题出在数据：有几家公司的净资产收益率用的是期末净资产，另几家用的是期初期末平均值，分母差一点，比值能差出几个百分点。更隐蔽的是合并报表和母公司报表混用，营收和利润来自不同口径，算出来的比率毫无意义。

从此我养成了一个习惯：每个字段旁边必须标注来源和计算方式，写在一个单独的元数据表里，字段名、单位、口径、取数期间，一项不落。这件事在字段少的时候显得多余，字段一多就能救命。另外，同一批数据里如果某些字段缺失，务必确认缺失值是NaN还是 0——NaN参与任何比较都返回false，会被静默淘汰；填成 0 则可能让它以极差的值苟活在池子里。两种处理都不理想，正确做法是先统计缺失比例，缺失过多的字段直接不进筛选规则。

5.2 阈值别拍脑袋，用分位数替代绝对值

"ROE 大于 15%"这个数字很流行，但它是在特定市场环境下总结出来的。如果全市场 ROE 的中位数只有 8%，那 15% 就是个很苛刻的门槛，筛出来可能只剩个位数；反过来如果整体盈利能力上行，15% 又太宽松。更稳的做法是先看分布，用分位数定阈值：

q = prctile(T.roe5, [50 75 90]); fprintf('ROE 分位数 50/75/90：%.1f / %.1f / %.1f\n', q(1), q(2), q(3));

看完全市场分布再决定门槛放在 75 分位还是 90 分位，比硬套一个数字靠谱得多。分位数还有个好处：跨年份可比。今年用 80 分位定的阈值，明年再跑一次自动跟着市场整体水平走，不会因为环境变化就筛不出东西。我在脚本里保留了两套模式，绝对阈值用于快速验证，分位数用于定期重跑，后者更耐用。

5.3 筛选结果为空或不合理时的排查顺序

池子突然变空，别急着改阈值。我固定的排查顺序是这样的：

1. 逐条打印通过数量，看是哪一条把数量砍到 0。这一步在 3.3 节的循环里已经有输出，直接看即可。
2. 检查该字段的分布，用min、max、prctile看取值范围是否符合预期。曾经遇到过单位错乱，资产负债率存成了 0.45 而不是 45，<= 60全过，但和别的字段一起筛就全军覆没。
3. 检查缺失与异常值，sum(isnan(T.字段))和sum(T.字段 < 0)。负的股利支付率、负的分红年数这类值通常意味着数据抽取出了问题。
4. 单独放开一条规则重跑，确认是不是规则之间互斥。比如同时要求"高毛利率"和"低资产负债率"，在某些重资产行业里天然冲突，池子空了是规则设计的锅。
5. 换成绝对阈值做对照，确认不是分位数计算本身出了问题。

这个顺序的逻辑是从规则层往数据层走，因为规则层排查成本最低，一行输出就能定位。反过来一上来就怀疑数据，很容易在无关字段上耗掉半天。

最后再分享一个实操中的体会：筛选脚本写完之后，一定要拿一年前的数据回跑一次，看看当时的结果和现在差多少。如果差异巨大，说明规则对时点太敏感，本质上是在拟合当期市场风格，而不是在找长期稳定的标的。这个自检动作花不了多少时间，但能过滤掉大部分"看着挺好一用就崩"的规则。至于k >= 0那个最初的问题，说到底就是一句话：想清楚你要的是判断、假设还是筛子，选对那个写法，剩下的都是细节。