排除市值过大的股票，通常可以设置一个市值上限，比如50亿元。选取市盈率（PE）较低的股票，市盈率过高的股票可能存在估值泡沫。选取流动性较好的股票，确保在需要买入或卖出时能够顺利成交。可以结合技术指标，如RSI（相对强弱指数）、MACD（平滑异同移动平均线）等，寻找买入和卖出的信号。

第二步. 数据获取和分析工具选择。

获取沪深市场的股票数据，包括每日的开盘价、收盘价、最高价、最低价、成交量等。可以通过一些第三方数据提供商（如同花顺、东方财富）或者使用Python库（如Tushare）来获取数据。使用量化分析工具进行数据分析。常用的工具有Python、R语言等。Python有很多强大的数据分析库，如Pandas、NumPy、Matplotlib等，可以帮助你进行数据处理和可视化。

第三步. 编写和回测交易策略。

根据制定的交易策略编写代码，筛选符合条件的股票。对策略进行回测，使用历史数据验证策略的有效性。可以使用一些开源的回测框架，如Backtrader、Zipline等。分析回测结果，调整和优化策略参数，确保策略在不同市场环境下都有较好的表现。

第四步. 实盘交易。

选择一个合适的券商开户，确保券商提供API接口，方便程序化交易。将经过回测验证的策略部署到实盘交易中，实时监控交易情况。定期复盘和优化策略，及时应对市场变化。

需要注意的是，量化交易并不是稳赚不赔的，市场风险依然存在。投资者需要具备一定的金融知识和编程能力，谨慎操作，避免盲目跟风和过度交易。