技術分析與基本面分析是股票價格分析最基礎也是最經典的兩個部分。技術分析是針對交易曲線及成交量等指標進行分析，基本面分析是基于公司的基本素質進行分析。
一般來說選股要先選行業，在選個股，之后根據技術分析選擇買賣節點，因此針對行業及個股的基本面分析是選股的基礎。

常用選股因子

在選擇股票的時候，首先要找到的就是可以幫你做出決定的因素，如凈利潤/ROE/凈利潤增長率等，這些被稱為因子。

因子	實例
規模因子	如總市值、流通市值、自由流通市值等；市值越小，其操作漲跌所需要的資金越少，股票就越容易暴漲暴跌。
估值因子	市盈率（TTM）、市凈率、市銷率、市現率、企業價值倍數等
成長因子	營業收入同比增長率、營業利潤同比增長率等
盈利因子	凈資產收益率（ROE）、總資產報酬率、銷售毛利率，銷售凈利率
動量反轉因子	前一個月漲跌幅、前兩個月漲跌幅等
交投因子	前一個月日均換手率
波動因子	前一個月波動率、前一個月振幅
股東因子	戶均持股比例、戶均持股比例變化、機構持股比例變化
一致性預測因子	如研報或分析師預測當年凈利潤增長率、最近一個月預測凈利潤上調幅度等

可以選擇一些自己常用的因子，比如凈利潤增長率、市盈率等，一個一個計算不同因子的收益，看看效果如何，效果好的就留下下，效果不好的則剔除選擇下一個繼續測算。

應用實例

建立股票池

首先應該建立相應的股票池，才能用的上述因子對股票進行分析。在這里我們先采用股指組成的成分股來作為股票池，首先是通過對應函數獲取對應股指的成分股。——獲取成分股數據

stk_get_index_constituents(index, trade_date=None)

以滬深300為例，指數代碼為SHSE.000300,我們可以通過如下代碼提取其成分股數據，并將其保存到表格中

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

運行結果如下：

我們可以通過np.asarray函數提取成分股股指的代碼：

import gm.api as