Python + 同花顺问财：实战——全谱系排雷扫描器一键出总表

用户12599537

修改于 2026-08-22 17:53:33

1451

概述

前面把二级系列 1-11 打包成【工具箱（一）】、12-16 打包成【工具箱（二）】，两个合集共 19 个 Python 信号函数各管一摊。但分散的函数还是"一个个看"。这篇上终极实战：把（一）+（二）全部函数整合进一个扫描器，跑一次就输出一张覆盖全谱系维度的排雷总表——把 5000 只缩成"最该重点查"的清单。

文章被收录于专栏：注册会计师用 WorkBuddy提升效率注册会计师用 WorkBuddy提升效率

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

操作审计

python

效率

数据处理

引子

前面把二级系列 1-11 打包成【工具箱（一）】、12-16 打包成【工具箱（二）】，两个合集共 19 个 Python 信号函数各管一摊。但分散的函数还是"一个个看"。这篇上终极实战：把（一）+（二）全部函数整合进一个扫描器，跑一次就输出一张覆盖全谱系维度的排雷总表——把 5000 只缩成"最该重点查"的清单。

为什么必须全谱系整合（注师视角）

单信号噪声大：一次北向调仓、一季毛利率波动，单看都不足以定罪。多维度共振才有区分度：红旗、质押、商誉、内部人减持同时亮，后验概率才陡升。分散函数难落地：人工逐个调用 19 个函数不现实，必须合成一张可排序的总表。总表是漏斗第一层：先把全市场缩到 top 几十，再逐家做定性取证才有效率。

实战代码（复制即用，纯 ASCII 版）

保存为 master_scan.py，直接 python master_scan.py 跑内置演示；接真实数据见下文。

怎么用

无参数：跑内置 80 只混合分布 universe（25% 故意亮灯的"雷" + 75% 健康），演示全扫描。接真实数据：把问财/同花顺导出的全A基本面宽表整理成 CSV（列名见下），运行 python master_scan.py 数据.csv。CSV 列名（顺序不限，脚本按列名取）：code, name, gross_margin, gm_change, industry_avg, pb, roe, debt_ratio, discount_rate, terminal_growth, fcf, ar_growth, rev_growth, accrual, ocf, net_growth, ocf_growth, recurring, non_recurring, pledge_ratio, other_receivable_to_net_asset, goodwill_to_nw, cash_quality, profit_growth_3y, dividend_yield, payout_3y, buyback, dividend_paid, north_holding, north_change_1m, reduce_ratio, reduce_amount, convert_premium, purebond_premium, time_to_put

结果怎么读

每只股票得 9 个风险维度分（R/K/E/P/G/N/I/C/O），风险总分上限约 26；外加 2 个质量/安全维度（S 安全边际 / H 毛利率护城河）单列不计入风险分。risk_flags 字母 = 命中的风险维度：R 红旗 / K 红旗加强 / E 利润现金流质量 / P 质押 / G 商誉 / N 北向 / I 内部人减持 / C 可转债下修 / O 回购分红真实性。quality_flags 字母 = 命中的安全/护城河维度：S 安全边际 / H 毛利率护城河（利好信号，单列不进风险分，避免安全股被误判高危）。风险等级：风险总分 >=15 高危、>=8 关注、其余低风险。估值参考列（不计总分）：dcf_proxy（DCF 代理，需多年 FCF 时单独跑）、pb_roe、div_cover（FCF 分红覆盖倍数）、nonrecur（非经占比）。演示输出（模拟数据，仅展示流程）：

关键点（注师视角）

工具箱（一）的 dcf_value / mean_reversion / earnings_volatility / moat_score 需要多年序列，行扫描里用单年代理或留空，建议单独接 5 年历史数据跑，不计入逐行风险分——避免拿单年数字硬凑。风险分是"待查清单"，不是"定罪结论"：高分红股可能因周期景气暂时好看，要追自由现金流质量。对 top 清单做一轮定性收口：读年报附注、查减持/质押公告、看问财原文条件。扫描是漏斗第一层，把 5000 只缩到几十只重点，效率才有意义。

小结

（一）+（二）共 19 个信号函数，一次性合成全谱系排雷总表。问财负责初筛池子，Python 负责量化打分，注师负责定性收口。从单信号到全谱系，本质是给职业怀疑装上一台"证据累加器"。

哲学点题：贝叶斯网络

二级系列 17 讲过贝叶斯更新：一个信号亮灯，可能只是噪声，后验概率上不去。但当你把红旗、质押、商誉、内部人减持、利润现金流背离这九条风险维度同时接入，它们就不再是孤立的点，而是一张贝叶斯网络——每条边都在相互修正彼此的可信度。单信号是弱证据，多信号共振才是强证据。全谱系扫描器的真正价值，不在于算分，而在于把分散的职业怀疑，结构化成一个可计算、可排序、可追责的证据网络。机器负责把网织密，人负责在网眼里看清那条真正的鱼。觉得这套全谱系扫描器能帮你把全A缩成一张待查总表，点赞收藏 + 关注。下期用真实导出的全A基本面数据跑一遍 master_scan.py，出一份真实排雷总表案例（告别模拟），看哪些维度在真实市场里最该被加权。会计师事务所的一名注册会计师

Python + 同花顺问财：实战——全谱系排雷扫描器一键出总表

Python + 同花顺问财：实战——全谱系排雷扫描器一键出总表

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐