聚宽网研究环境小练习筛选小市值股票

聚宽网社区的网友分享了大量的策略，其中不乏好策略，可以简单修改一下参数就能进行模拟。但作为一个量化交易者，不但要会用策略，还应该能分析策略和编写策略。而聚宽的研究环境，提供了jupyter notebook界面，方便我们进行研究和练习。下面就使用聚宽研究环境来生成小市值股票列表。

登录聚宽网后，在上方的“策略研究”目录下，有“研究环境”链接，点击后出现研究环境界面。

下图就是研究环境界面：

我们新建或打开已有ipynb文件进去即可。至于jupyter notebook如何使用，本文章不介绍，百度一下教程很多。

下面我们开始查询和加工数据。

首先，我们获取沪深A股的所有股票：

df = get_all_securities()
df

…

一共获取了5336支，包括ST和科创板。

由于ST和科创板大部分人不感兴趣，所以将它们给过虑掉。

df = df[~df['display_name'].str.contains('ST|退')]
df = df[~df.index.str.startswith('68')]
df

…

只剩下4417只股票了。下面我们将股票代码分离出来并转换成列表，以方便后续获取市值：

stock_list = df.index.tolist()
stock_list

…

下面这一步是使用刚才生成的列表，生成各代码对应的流通市值，并取得市值最小的前10支。

解释一下面的代码，“q=”开头的那句代码意思是：1、先获取所有股票的代码、流通市值表；2、将第1步中获取的股票代码筛选一下，只要股票代码在列表stock_list中的那些；3、按流通市值降序；4、取第三步中生成的表格的前10行。

注意，“q=”这句只是生成了查询语句，并未开始查询。而“get_fundamentals(q)”这句才是查询。查询后，生成了前流通市值最小的10支股票。

q = query(valuation.code,valuation.circulating_market_cap).filter(valuation.code.in_(stock_list)
    ).order_by(valuation.circulating_market_cap.asc()
    ).limit(10)
df2 = get_fundamentals(q)
df2

最后一步，转换成列表：

list(df2['code'])

大功告成！