引言：
本系列帖子“量化小讲堂”，通过实际案例教初学者使用python、pandas进行金融数据处理，希望能对大家有帮助。
【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》
（http://bbs.pinggu.org/thread-5558776-1-1.html）
【所有系列文章汇总】:（http://bbs.pinggu.org/thread-3950124-1-1.html）
微信：coinquant，有问题欢迎交流。
文中用到的A股数据可在www.yucezhe.com下载，这里可以下载到所有股票、从上市日起的交易数据、财务数据、分钟数据、分笔数据、逐笔数据等。
法码三因子选股模型，有多少人可以跑赢
法码三因子模型，是金融领域的著名模型，它由诺贝尔经济学奖获得者尤金法玛开发。该模型主要通过总市值、市净率等指标，选出小盘价值股。因为他通过美国股市长时间的数据发现，市值越小、市净率越低的股票，往往会涨得更多。论文原文放在附件中，供免费下载。
本期文章尝使用python、pandas来实现法码三因子模型，并且使用中国市场的数据来验证其有效性。我们没有必要像法码的论文原文中做的那么严谨，所以对模型做出简化。
简化后具体的规则是：在每个月的最后一个交易日，计算出每个股票的总市值 * 市净率。在所有股票中选出该值最小的10只股票，并且计算这10只股票在下个月的平均涨幅，如此往复，得到每个月的收益，并计算总的选股收益，画出资金曲线。
由于法码三因子选股模型本质上是一个多因子选股模型，所以本期文章的代码已经构成了一个简单的多因子模型框架。大家可以在此框架下，开发出其它有效的选股因子。
本期文章中可以学到的pandas知识：
1.通过pandas导入导出文本数据。
2.groupby方法的熟练运用。
3.如何构建多因子选股模型框架。
对于初学者来说，本期文章的难度比较大。只有在融会贯通前几期内容的基础上，才能比较顺利的完成。
下面开始正文：
想要实现法码三因子选股模型，需要股票的每个月的市值以及市净率数据，从这里可以下载到所有股票的历史月线数据。有免费的2013年和2014年的数据，可以作为我们计算的原始数据。数据下载下来之后有一个文件，打开之后是下图这个样子：
每一行是记录每个股票在每个月末的数据。
数据中包含以下字段：
【股票代码】股票的代码，上证股票以sh开头，深证股票以sz开头
【交易日期】【开盘价】【最高价】【最低价】【收盘价】
【涨跌幅】复权之后的真实涨跌幅，保证准确
【成交量】【成交额】【流通市值】【总市值】【换手率】【后复权价】
【交易天数】本月股票实际交易的天数
【是否交易】本月该股票最后一个交易日是否交易，1代表是，0代表否
【是否涨停】本月该股票最后一个交易日收盘是否涨停，1代表是，0代表否
【是否跌停】本月该股票最后一个交易日收盘是否跌停，1代表是，0代表否
【报告类型】最近一期财务报告的类型，3-31对应一季报，6-30对应半年报，9-30对应三季报，12-31对应年报
【报告日期】最近一期财务报告实际发布的日期
【市盈率TTM】最近12个月市盈率，股价 / 最近12个月归属母公司的每股收益TTM
【市销率TTM】最近12个月市销率， 股价 / 最近12个月每股营业收入
【市现率TTM】最近12个月市现率， 股价 / 最近12个月每股经营现金流
【市净率】市净率，股价 / 最近期财报每股净资产
有了原始数据之后就是代码，下面是代码的截图，里面有详细的注释，需要源代码可以留言私信。
把数据下载下来，放到和代码同一个文件夹下，直接运行代码，结果会输出到output.csv。输出结果如下图：
从图中可以看到，从2000年起，按照法码三因子模型选股，每个月交易一次，不算手续费的话，资产可以翻一百多倍噢。
思考题
若不希望每个月选股一次，想要比如每周选股一次。那么上面所说的这个月线数据就不行了。可以下载日线数据，然后将日线数据转换为周线或者其他周期的数据，然后再构建模型。数据周期的转换方法可以看之前的文章《极简方法将日线数据转为周线、月线或其他周期》。
也可以试试看不是选10只股票，而是选5只，或者3只，看看效果怎么样。
对于文章的内容有疑问、或者《量化小讲堂》相关的问题，欢迎大家留言、私信与我进行沟通。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
