大家好，我是橙哥！前几天我用大模型分析了股票的 技术指标 ，这次我们来用大模型分析股票的 基本面数据 ，在本篇文章，我们首先来看一下如何获取股票的基本面数据并进行可视化，后面再循序渐进，调用大模型进行分析。因文章篇幅有限，点击这里或文末获取本文完整代码、数据和Jupyter Notebook文件下载地址和密码。
我选取了股票基本面分析的10个关键指标：
EPS (每股收益) : 反映公司每股普通股分摊的净利润，是衡量公司盈利能力的重要指标。
P/E (市盈率) : 反映公司股票价格与每股收益的比率，用于评估股票的估值水平。较高的市盈率可能意味着股票被高估，而较低的市盈率则可能表示股票被低估。
PEG (预期收益增长比率) : 通过将市盈率除以公司未来12个月预期收益增长率计算得出。一般情况下，PEG低于1表示股票可能被低估，而PEG高于2则可能表示股票被高估。
FCFY (自由现金流收益率) : 衡量公司每股自由现金流与每股市场价值的比率。较低的自由现金流收益率通常表明投资吸引力较低。
PB (市净率) : 反映公司股票价格与每股净资产的比率。市净率为1表示股票按账面价值交易，高于1表示溢价交易，低于1则可能表示股票被低估。
ROE (股本回报率) : 衡量公司利用股东权益创造利润的能力。较高的ROE表明公司有效利用股东资金，可能带来股票需求增加和股价上涨。
P/S (市销率) : 反映公司市值与其销售收入的比率，帮助评估公司股票的合理价值，特别适用于尚未盈利或因暂时性问题表现不佳的成长型公司。
DPR (股息支付比率) : 反映公司支付的总股息与其净收入的比率，表示公司盈利中有多少用于支付股息。
DY (股息收益率) : 反映公司每年支付的股息与其股票价格的比率，表示投资者通过股息获得的回报率。
CR (流动比率) : 衡量公司以其流动资产偿还流动负债的能力。较高的流动比率通常表示公司具有较好的流动性。
Beta (贝塔系数) : 衡量股票相对于整体市场波动性的指标。贝塔值高于1.0表示股票波动性大于市场，而贝塔值低于1.0表示股票波动性小于市场。
52周范围 : 指示股票在过去52周内的价格区间，帮助投资者了解股票当前价格相对于其年度高点和低点的位置。例如，90%表示股票价格接近其52周高点。
我使用yfinance API从雅虎财经获取数据，然后下载每个股票的数据到一个文件目录下，并保存为JSON格式的文件。
我用了pandas和numpy库来处理数据，并创建了一个数据字典来存储指标信息。通过编写函数，从JSON文件中提取数据并填充到数据字典中。
具体步骤如下：首先，定义股票符号列表和数据路径；接着，定义一个数据字典，用于存储每个指标的数据；然后，编写一个函数从JSON文件中加载数据；最后，循环遍历股票符号列表，加载数据。
最后，创建DataFrame并应用样式。加载完数据后，创建数据框并处理缺失值，生成一个包含工具提示数据的DataFrame，并为DataFrame添加样式。
股票基本面数据的可视化结果如下：
本文介绍了一种股票基本面指标可视化的方法。到这里我们就已经获取了股票的基本面数据和技术指标数据，后面我们再通过选择相关投资组合和量化交易策略进行分析和选股，可以更有效地评估股票的投资潜力，请星标公众号持续关注橙哥后续的更新。
本文完整代码、数据和Jupyter文件下载地址和密码已发布到 「宽客邦量化俱乐部」 ，欢迎扫码加入获取：
「宽客邦量化俱乐部」 由 @开发者阿橙 发起，是一个专注AI大模型在金融分析与量化交易领域应用研究的技术社区，聚焦 AI量化策略开发和实盘交易 。专注于研究与探讨AI大模型在量化交易领域的深度应用。 加入获取港、美股开户邀请，终生免佣 ，新用户HKD 800 股票现金卡 + HKD 1000 现金回赠。
推荐阅读