

> 过滤管道解决了「哪些票合格」，但合格票之间怎么排座次？「都行」等于没有结论——下游建仓、盯盘都需要一个明确的先后顺序。这一篇给流水线出口装一个三因子打分器：动量、低波、流动性，全部只用日线数据现算，z-score 标准化后加权合成，输出 Top-N 候选清单。

## 一、打分器在流水线里的位置

```
股票池 → 过滤管道（#02） → 打分排序（本篇） → Top-N 候选清单
```

过滤是「淘汰制」，打分是「排位赛」。两者分开的好处：过滤条件回答硬性门槛（趋势不在、流动性太差直接出局），打分回答「剩下的里面谁更优先」。合成公式本身可以很简单，关键是三件事：**因子怎么算、量纲怎么统一、权重怎么给**。

**本文你将得到：**

1. 三个纯日线因子的参考实现：20 日动量、20 日低波（负波动率）、20 日均成交额；
2. 截面 z-score 标准化 + 加权合成的完整代码；
3. 一份实测跑通的 12 标的打分表与 Top-5 输出。

## 二、准备环境

```bash
pip install mairui pandas numpy
```

## 三、完整代码（已实测跑通）

```python
from mairui import Client
import random
import pandas as pd
import numpy as np

LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"  # 演示证书，请换成你自己的正式证书
SEED = 20260918

POOL = {
    "600519": "贵州茅台", "000858": "五粮液",
    "601398": "工商银行", "600036": "招商银行",
    "300750": "宁德时代", "002594": "比亚迪",
    "600276": "恒瑞医药", "603259": "药明康德",
    "600030": "中信证券", "601688": "华泰证券",
    "000333": "美的集团", "600900": "长江电力",
}

WEIGHTS = {"动量": 0.4, "低波": 0.3, "流动性": 0.3}  # 权重和 = 1


def perturb(bars, seed):
    # 演示证书返回固定样例数据；确定性 ±5% 价格、±20% 成交量扰动模拟行情起伏。
    # 换成正式证书后删掉本函数调用即可，其余逻辑零改动。
    rng = random.Random(seed)
    out = []
    for b in bars:
        k = 1.0 + (rng.random() - 0.5) * 0.10
        kv = 1.0 + (rng.random() - 0.5) * 0.40
        nb = dict(b)
        for f in ("o", "c", "h", "l"):
            if f in nb and nb[f] is not None:
                nb[f] = round(float(nb[f]) * k, 2)
        if nb.get("v") is not None:
            nb["v"] = round(float(nb["v"]) * kv)
        out.append(nb)
    return out


def fetch_bars(code):
    bars = Client(LICENCE).stock_history(code=code, st="", et="", period="d", dividend="f")
    if not bars:
        raise RuntimeError(f"{code} 未获取到数据，请检查证书是否有效")
    return perturb(bars, seed=SEED + int(code))


def to_frame(bars):
    df = pd.DataFrame(bars)
    for col in ("o", "h", "l", "c", "v"):
        df[col] = pd.to_numeric(df[col], errors="coerce")
    df["t"] = df["t"].astype(str)
    return df.sort_values("t").reset_index(drop=True)


def factor_scores(df):
    """三个因子，全部只用日线 OHLCV 计算。"""
    c, v = df["c"], df["v"]
    mom = c.iloc[-1] / c.iloc[-21] - 1                      # 20日动量：涨得多
    lowvol = -c.pct_change().tail(20).std()                 # 低波动：波动小（取负）
    liq = (v * c).tail(20).mean()                           # 流动性：20日均成交额
    return {"动量": mom, "低波": lowvol, "流动性": liq}


def zscore(vals):
    """截面 z-score 标准化：((x - 均值) / 标准差)。"""
    a = np.asarray(vals, dtype=float)
    sd = a.std()
    return (a - a.mean()) / sd if sd > 0 else np.zeros_like(a)


def main(out_csv="top_candidates.csv"):
    rows = []
    for code, name in POOL.items():
        df = to_frame(fetch_bars(code))
        f = factor_scores(df)
        rows.append({"代码": code, "名称": name, **f})
    table = pd.DataFrame(rows)

    for k in WEIGHTS:
        table[k + "_z"] = zscore(table[k])
    table["综合分"] = sum(table[k + "_z"] * w for k, w in WEIGHTS.items())
    table = table.sort_values("综合分", ascending=False).reset_index(drop=True)

    show = table[["代码", "名称", "动量", "低波", "流动性", "综合分"]].copy()
    show["动量"] = (show["动量"] * 100).round(2).astype(str) + "%"
    show["低波"] = show["低波"].round(5)
    show["流动性"] = (show["流动性"] / 1e6).round(2).astype(str) + "M"
    show["综合分"] = show["综合分"].round(3)
    print(show.to_string(index=False))

    top5 = table.head(5)[["代码", "名称", "综合分"]].copy()
    top5["综合分"] = top5["综合分"].round(3)
    top5.to_csv(out_csv, index=False, encoding="utf-8-sig")
    print(f"Top-5 候选: {'、'.join(top5['名称'] + '(' + top5['代码'] + ')')}")
    print(f"流水线产出: {out_csv}")


if __name__ == "__main__":
    main()
```

## 四、真实运行结果

在 Python 3.9 环境实测运行，控制台输出：

```text
    代码   名称     动量       低波    流动性    综合分
600519 贵州茅台  6.64% -0.03257 11.79M  1.198
002594  比亚迪  5.08% -0.04449 12.12M  0.793
000858  五粮液  6.56% -0.04389 11.83M  0.698
600030 中信证券  5.25% -0.03956 11.75M  0.645
601688 华泰证券 -1.21% -0.03653 12.03M  0.238
600036 招商银行  0.36% -0.04450 11.85M -0.117
603259 药明康德  3.33% -0.04574 11.44M -0.237
600276 恒瑞医药  0.43% -0.04498 11.75M -0.240
601398 工商银行 -0.89% -0.02954 11.21M -0.287
600900 长江电力  0.81% -0.04324 11.34M -0.553
000333 美的集团 -1.04% -0.05059 11.64M -0.819
300750 宁德时代  -1.6% -0.05243 11.32M -1.319
Top-5 候选: 贵州茅台(600519)、比亚迪(002594)、五粮液(000858)、中信证券(600030)、华泰证券(601688)
流水线产出: top_candidates.csv
```

两个值得看的点：① 贵州茅台动量最强（6.64%）且波动最低（-0.03257），双优拿下第一，综合分 1.198 远超第二名，打分器把「强而且稳」表达得很清楚；② 华泰证券动量是负的，却靠流动性冲进 Top-5——这正是打分器的价值，它把「各维度各有所长」的票放在一起权衡，而不是单一指标一刀切。

> 说明：演示证书返回固定样例数据，代码用确定性扰动模拟行情起伏；换成你自己的正式证书后删掉 `perturb` 调用即为真实行情，打分逻辑零改动。

## 五、三个必须懂的实现细节

1. **z-score 必须是「截面」的**：标准化在同一时刻、同一批标的之间进行（对 12 只票的动量值求均值方差），不是对单只票的时间序列标准化。量纲不同的因子（百分比、波动率、成交额）只有经过截面标准化才能加权相加。
2. **低波因子取负号**：波动率越小越好，但 z-score 合成默认「越大分越高」，所以取负后参与合成，方向就统一了。
3. **权重不是玄学也不是真理**：0.4/0.3/0.3 只是演示起点，权重怎么定属于策略研究问题——严谨做法是用历史数据回看验证（下下篇之前，本系列 #04 先解决「怎么验收」）。

## 六、小结与下篇预告

至此流水线有了完整的「进数据 → 过滤 → 排序 → 出清单」能力。但打分器好不好用，不能自己说了算——得拿昨天的候选看今天的表现。

**下篇预告**：《【Python量化选股流水线 #04】选股器好不好用？「昨日候选→今日表现」回看验收》——用历史数据给你的选股器出一份体检报告。

## 免责声明

本文所有代码与数据仅用于技术学习与演示，不构成任何投资建议。股市有风险，投资需谨慎。

## 代码与文档

SDK 与更多语言版本：https://github.com/MaiRuiApi


过滤管道解决了「哪些票合格」，但合格票之间怎么排座次？「都行」等于没有结论——下游建仓、盯盘都需要一个明确的先后顺序。这一篇给流水线出口装一个三因子打分器：动量、低波、流动性，全部只用日线数据现算，z-score 标准化后加权合成，输出 Top-N 候选清单。

【Python量化选股流水线 #03】候选股怎么排序？动量+低波+流动性三因子打分取Top-N

人工智能

本文介绍Python量化选股流水线中的打分排序模块，用动量、低波、流动性三因子对过滤后的股票池进行z-score标准化加权合成，输出Top-N候选清单。提供完整可运行代码、实测12标的打分结果与Top-5输出，并详解截面标准化、低波取负等实现要点，为下游建仓盯盘提供明确优先级。

代码解释

Python

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【Python量化选股流水线 #03】候选股怎么排序？动量+低波+流动性三因子打分取Top-N-腾讯云开发者社区-腾讯云

【Python量化选股流水线 #03】候选股怎么排序？动量+低波+流动性三因子打分取Top-N

【Python量化选股流水线 #03】候选股怎么排序？动量+低波+流动性三因子打分取Top-N

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