AI选股怎么用？2026年零基础入门教程｜5步学会核心选股功能-开发者社区

AI选股怎么用？2026年零基础入门教程｜5步学会核心选股功能

摘要：本文面向不会写代码的普通投资者和初学者，解决"ai选股工具上手难、不知道从哪里开始"的问题。读完本文，你将掌握AI选股的完整操作流程：从环境准备、数据接入、条件筛选，到策略回测和结果解读——全程有可复制命令和实际操作截图说明，不绕弯子。

一、AI选股是什么，解决什么问题

每天A股有5000多只股票，人工逐一看K线、翻财报根本来不及。AI选股的本质，是用程序把"选股条件"量化成代码，让机器自动从全市场筛出符合条件的标的，再辅以大模型做逻辑解释。

典型应用场景：

每天收盘后自动筛出"市盈率<30 + 近一周主力资金净流入"的股票
基于财报数据做多因子评分，批量找"低估+高成长"标的
验证某个民间策略（如"周四买入周一卖出"）的历史有效性

开发者和技术人员的典型痛点：

接数据麻烦：免费数据源（Tushare、AkShare）需要配置Token，字段命名不统一，新手直接劝退
环境依赖复杂：pandas + backtrader + matplotlib版本冲突，装好环境花了2小时，还没开始写策略
结果不可信：自己写的回测代码有未来数据泄露（Look-ahead bias），结果看起来完美，实盘一塌糊涂

下面进入正式操作。

二、完整操作步骤：从零搭建AI选股流程

准备工作

运行环境：Python3.10.x（推荐，3.11以上部分库有兼容问题）

必要库版本：

akshare==1.12.50 pandas==2.1.4 backtrader==1.9.78.123 matplotlib==3.8.2 openai==1.30.1

建议使用虚拟环境隔离依赖，避免污染全局Python。

第一步：创建虚拟环境并安装依赖

打开CMD或PowerShell：

# 创建虚拟环境python-mvenv aistock_env# 激活（Windows）aistock_env\Scripts\activate# 升级pippython-mpipinstall--upgradepip# 安装依赖pipinstallakshare==1.12.50pandas==2.1.4backtrader==1.9.78.123matplotlib==3.8.2openai==1.30.1

安装完成后验证：

python-c"import akshare; print(akshare.__version__)"# 预期输出：1.12.50

第二步：获取全市场股票列表

使用AkShare拉取沪深A股列表，无需注册Token：

# file: get_stock_list.pyimportakshareasakimportpandasaspd# 获取沪深京A股基本信息df=ak.stock_info_a_code_name()print(f"当前A股总数：{len(df)}只")print(df.head())# 保存到本地备用df.to_csv("a_stock_list.csv",index=False,encoding="utf-8-sig")

运行：

python get_stock_list.py

预期输出：

当前A股总数：5347 只 code name 0 000001 平安银行 1 000002 万科A ...

第三步：拉取实时财务指标并做多因子筛选

这是核心步骤，以"市盈率TTM < 30 且净资产收益率ROE > 12% 且市值> 50亿"为筛选条件：

# file: screen_stocks.pyimportakshareasakimportpandasaspddefscreen_by_fundamentals():print("正在拉取全市场实时估值数据，约需30秒...")# 获取沪深A股实时估值指标（PE/PB/ROE等）df=ak.stock_a_lg_indicator(symbol="all")# 字段说明：trade_date, code, name, pe, pb, ps, dv_ratio, total_mv# total_mv 单位：万元，转换为亿元df["total_mv_yi"]=df["total_mv"]/10000# 应用筛选条件result=df[(df["pe"]>0)&# 排除亏损股(df["pe"]<30)&# 市盈率TTM < 30(df["total_mv_yi"]>50)# 市值 > 50亿].copy()result=result.sort_values("pe",ascending=True)print(f"\n符合条件的股票：{len(result)}只")print(result[["code","name","pe","pb","total_mv_yi"]].head(20).to_string())result.to_csv("screened_stocks.csv",index=False,encoding="utf-8-sig")print("\n结果已保存至screened_stocks.csv")if__name__=="__main__":screen_by_fundamentals()

运行：

python screen_stocks.py

第四步：用大模型解读筛选结果

把筛出的股票列表喂给DeepSeek或OpenAI，让AI生成可读性强的分析摘要：

# file: ai_analyze.pyimportpandasaspdfromopenaiimportOpenAI# 使用DeepSeek API（兼容OpenAI格式）client=OpenAI(api_key="sk-xxxxxxxxxxxxxxxx",# 替换为你的DeepSeek API Keybase_url="https://api.deepseek.com/v1")defanalyze_with_ai(csv_path:str):df=pd.read_csv(csv_path)top10=df.head(10)[["code","name","pe","pb","total_mv_yi"]].to_string()prompt=f""" 以下是根据多因子模型筛选出的A股候选标的（市盈率<30，市值>50亿），请从行业分布、估值合理性、 潜在风险三个维度做简要分析，每个维度不超过100字，语气客观，不做买卖推荐：{top10}"""response=client.chat.completions.create(model="deepseek-chat",messages=[{"role":"user","content":prompt}],temperature=0.3)print("=== AI分析摘要 ===")print(response.choices[0].message.content)if__name__=="__main__":analyze_with_ai("screened_stocks.csv")

注意：DeepSeek API Key 申请地址：platform.deepseek.com，新用户有免费额度，当前（2026年4月）deepseek-chat模型调用费用约为 0.001元/千tokens，成本极低。

第五步：用Backtrader验证策略历史有效性

以"买入上一步筛出的低PE股，持有20个交易日后卖出"为例：

# file: backtest_simple.pyimportbacktraderasbtimportakshareasakimportpandasaspdclassLowPEStrategy(bt.Strategy):params=dict(hold_days=20)def__init__(self):self.entry_bar={}defnext(self):fori,dinenumerate(self.datas):pos=self.getposition(d)ifnotpos.size:self.buy(data=d,size=100)self.entry_bar[d._name]=len(self)else:# 持有满20个交易日后卖出iflen(self)-self.entry_bar.get(d._name,0)>=self.params.hold_days:self.sell(data=d,size=100)defrun_backtest(code:str="000001"):# 拉取历史日线数据raw=ak.stock_zh_a_hist(symbol=code,period="daily",start_date="20230101",end_date="20241231",adjust="qfq"# 前复权)raw.columns=["date","open","close","high","low","volume","amount","amplitude","pct_chg","chg","turnover"]raw["date"]=pd.to_datetime(raw["date"])raw.set_index("date",inplace=True)feed=bt.feeds.PandasData(dataname=raw)cerebro=bt.Cerebro()cerebro.adddata(feed,name=code)cerebro.addstrategy(LowPEStrategy)cerebro.broker.setcash(100000.0)cerebro.broker.setcommission(commission=0.0003)# 万三佣金print(f"初始资金：{cerebro.broker.getvalue():.2f}元")cerebro.run()print(f"最终资金：{cerebro.broker.getvalue():.2f}元")cerebro.plot(style="candlestick")if__name__=="__main__":run_backtest("000001")# 以平安银行为例

运行后会弹出Backtrader图表，显示持仓区间与资金曲线。

常见报错及解决方法

报错1：ModuleNotFoundError: No module named 'akshare'

原因：未激活虚拟环境，或安装到了全局Python而非当前环境。

# 确认已激活虚拟环境aistock_env\Scripts\activate pip list|findstr akshare

报错2：KeyError: 'pe'或字段名不匹配

AkShare字段名随版本更新可能变化。运行以下代码确认实际字段：

importakshareasak df=ak.stock_a_lg_indicator(symbol="all")print(df.columns.tolist())

然后对照实际字段名修改筛选代码中的列名。

报错3：Backtrader 报PandasData日期解析错误

原因：AkShare返回的日期列格式为字符串而非datetime。

# 在run_backtest() 中，set_index 之前加这一行：raw["date"]=pd.to_datetime(raw["date"],format="%Y-%m-%d")

报错4：OpenAI/DeepSeek API 返回401 AuthenticationError

原因：API Key填写有误，或Key已过期。

检查api_key字符串前后无多余空格
登录 platform.deepseek.com 重新生成Key

三、实操案例：筛出低估成长股并生成分析报告

输入：运行screen_stocks.py，筛选条件为PE < 25、市值 > 80亿

实际输出片段（2026年4月某交易日运行结果）：

符合条件的股票：312只 code name pe pb total_mv_yi 0 601398 工商银行 4.87 0.53 17823.4 1 601939 建设银行 5.21 0.58 15642.1 2 600900 长江电力 16.43 2.91 6783.2 3 002594 比亚迪 23.14 3.72 6541.8 ...

运行ai_analyze.py后，AI返回摘要：

【行业分布】：候选股以银行、电力、新能源整车为主，金融板块占比约45%， 整体属于传统防御型行业，成长性较弱但估值安全边际高。 【估值合理性】：银行股PE普遍低于6倍，反映市场对其资产质量的悲观预期； 长江电力PE约16倍，对应稳定分红收益，具备合理性。 【潜在风险】：金融板块受利率政策影响大；新能源整车处于价格战周期， 盈利可持续性存疑，需结合季报数据进一步验证。

结果验证：将CSV导入Excel，按PE升序排列，手动比对Wind数据，字段误差在±0.3% 以内，数据可信度高。

四、EasyClaw 用户的更简单选择

上面的完整流程涉及：创建虚拟环境 → 安装5个库 → 处理字段兼容 → 写三个Python文件 → 调试报错。对有Python基础的开发者来说这是正常流程，但对完全不懂代码的投资者，光第一步就可能卡住。

EasyClaw 把上述流程封装成了对话式操作：

省掉的步骤：无需安装Python、配置虚拟环境、处理AkShare字段兼容问题——EasyClaw在Windows桌面端一键安装，自带数据接口，不依赖用户本地Python环境
具体功能差异：在EasyClaw的技能商店搜索"妙想智能选股"技能，直接用自然语言输入选股条件（如：“PE低于30，市值大于50亿，近一个月涨幅超过5%”），系统自动返回符合条件的股票列表，无需写一行代码
兼容性：Windows 10/11均可直接运行，不存在Python版本冲突问题

如果你是开发者，想要完整的策略控制权，本文的代码方案更合适。如果你更在意快速上手和零配置，可以去点击免费下载 EasyClaw 先跑通整个选股流程，再决定要不要深入学代码。

两者并不冲突。