纯技术指标的策略容易过拟合，加入基本面因子可以提高策略的稳健性。QMT本身不提供财务数据，但允许用户导入外部数据。本文介绍如何在QMT中接入财务因子，实现价值选股策略。

第一步，获取财务数据。可以使用免费源如Tushare Pro、AkShare，或者付费数据服务。以Tushare为例，注册后获取token，通过Python脚本下载季度财务数据，包括PE、PB、ROE、营收增长率等。将这些数据保存为CSV文件，按日期分文件或单文件追加。

第二步，数据预处理。财务数据有披露日期，并非报告期结束就可以使用。需维护“实际可用日期”表，确保策略不会用到未披露的数据。建议在每天盘后更新最新财报数据，生成当天的因子快照。

第三步，导入QMT策略。在QMT策略的init函数中，加载历史因子数据（如factor_df = pd.read_csv('factor.csv', index_col=0)）。在handle_bar中，根据当前日期获取当天对应的因子值。例如：

`python

def init(context):

   context.factor_data = pd.read_csv('factors.csv', parse_dates=['date'])

   context.factor_data.set_index('date', inplace=True)

def handle_bar(context):

   today = context.now.date()

   if today in context.factor_data.index:

       factors = context.factor_data.loc[today]

选择ROE>15%且PE<20的股票

       selected = factors[(factors['ROE']>15) & (factors['PE']<20)]

买入选中的股票

       for stock in selected.index:

           order_target_percent(stock, 1/len(selected))

`

第四步，定期更新因子文件。写一个外部脚本，每天收盘后运行，获取最新财报数据并更新CSV文件。QMT策略在次日开盘时加载更新后的数据。

价值选股策略示例：每月调仓，选择ROE（净资产收益率）最高的前20%股票，等权买入。历史回测表明，高ROE组合长期跑赢大盘。还可以加入PE、股息率等过滤。

注意事项：财务数据可能存在延迟和错误，建议交叉验证。另外，因子回测要注意幸存者偏差，必须包含退市股票。

国金证券的QMT支持自定义数据接入，10万资金即可开通。量化社群中有现成的财务数据下载脚本和因子回测框架。同时，两融全线上办理，价值选股策略使用融资需谨慎，因为杠杆会放大基本面变差的风险。基本面量化是机构常用方法，个人投资者也可以尝试。