技术分析与基本面分析是股票价格分析最基础也是最经典的两个部分。技术分析是针对交易曲线及成交量等指标进行分析，基本面分析是基于公司的基本素质进行分析。
一般来说选股要先选行业，在选个股，之后根据技术分析选择买卖节点，因此针对行业及个股的基本面分析是选股的基础。

常用选股因子

在选择股票的时候，首先要找到的就是可以帮你做出决定的因素，如净利润/ROE/净利润增长率等，这些被称为因子。

因子	实例
规模因子	如总市值、流通市值、自由流通市值等；市值越小，其操作涨跌所需要的资金越少，股票就越容易暴涨暴跌。
估值因子	市盈率（TTM）、市净率、市销率、市现率、企业价值倍数等
成长因子	营业收入同比增长率、营业利润同比增长率等
盈利因子	净资产收益率（ROE）、总资产报酬率、销售毛利率，销售净利率
动量反转因子	前一个月涨跌幅、前两个月涨跌幅等
交投因子	前一个月日均换手率
波动因子	前一个月波动率、前一个月振幅
股东因子	户均持股比例、户均持股比例变化、机构持股比例变化
一致性预测因子	如研报或分析师预测当年净利润增长率、最近一个月预测净利润上调幅度等

可以选择一些自己常用的因子，比如净利润增长率、市盈率等，一个一个计算不同因子的收益，看看效果如何，效果好的就留下下，效果不好的则剔除选择下一个继续测算。

应用实例

建立股票池

首先应该建立相应的股票池，才能用的上述因子对股票进行分析。在这里我们先采用股指组成的成分股来作为股票池，首先是通过对应函数获取对应股指的成分股。——获取成分股数据

stk_get_index_constituents(index, trade_date=None)

以沪深300为例，指数代码为SHSE.000300,我们可以通过如下代码提取其成分股数据，并将其保存到表格中

import gm.api as gm
import numpy as npgm.set_token("自己的token码")  # 输入自己的token
index = "SHSE.000300"
HS300_array = gm.stk_get_index_constituents(index='SHSE.000300')
HS300_array.to_csv("HS300_list.csv")

运行结果如下：

我们可以通过np.asarray函数提取成分股股指的代码：

import gm.api as