在量化多因子选股的流派中，有一类人被称为“量化价值投资者”。他们既嫌弃传统人工看财报的低效与主观情绪干扰，又鄙视纯技术面量价指标的频繁打脸。他们试图寻找一种纯粹用数理代码构建的、能够完美衡量企业真实“骨骼健康度”的高精度基本面量化模型。在这一领域，最璀璨的财富圣杯之一莫过于斯坦福大学教授皮尔托斯基提出的——“F得分选股策略（Piotroski F-Score）”。这个策略不依赖任何复杂的机器学习算法，仅仅通过 9 个最纯粹的财务二元勾稽逻辑，就能在截面上将伪装的高成长股和即将爆雷的垃圾股一刀切断。

皮尔托斯基 F 得分的数理核心极其精妙：它从“盈利能力”、“资产负债与资金安全”以及“运营效率”三个核心维度，拆解出 9 个二元判断题。每个题目如果满足条件就得 1 分，不满足就得 0 分。整个模型的总得分区间为 0 到 9 分。

量化程序在每个季报披露完毕的截面上，通过 Python 的 Pandas 矩阵操作，对全市场个股依次运行以下 9 维数理逻辑扫描：

第一维度：盈利能力（共4分）

1. 当季净利润（ROA）是否大于 0？是得 1 分。

2. 当季经营现金流净额（CFO）是否大于 0？是得 1 分。

3. 当季的 ROA 是否比去年同期有所提升？是得 1 分。

4. 经营现金流净额（CFO）是否大于净利润？（识别没有水分的真金白银利润）是得 1 分。

第二维度：杠杆与资金安全（共3分）

5. 当季的长期资产负债率是否比去年同期有所下降？是得 1 分。

6. 当季的流动比率（Current Ratio）是否比去年同期有所提升？（衡量短期偿债能力提升）是得 1 分。

7. 过去一年内公司是否有增发股票或伸手要钱的行为？没有（说明不吸血）得 1 分。

第三维度：运营效率（共2分）

8. 当季的公司毛利率是否比去年同期有所提升？是得 1 分。

9. 当季的资产周转率（Asset Turnover）是否比去年同期有所提高？（衡量管理层压榨资产的效率）是得 1 分。

当横截面上的矩阵求解完成后，量化策略的选股逻辑写得铁面无情：只买入 F 得分为 8 分或 9 分的“基本面硬汉”组合，并一键拉黑拉黑所有得分低于 3 分的“数理僵尸股”。历史沙盒研究表明，这个策略在长期长跑中具有极强的跑赢大盘的能力，能够帮量化策略完美避开 A 股绝大多数由于财报注水引发的黑天鹅。

量化交易的核心优势，是用程序代替人工，规避情绪干扰、提升交易效率。而我司打破“验资等待”的限制，10万入金即开QMT/PTrade专业版，再加上线上办理的便捷、专业团队的全程指导、多重专属福利的加持，让普通投资者也能轻松解锁智能交易工具。9 维基本面财务指标跨年度、跨季度的复杂矩阵差分运算，需要量化客户端具备极高完整度且支持历史回溯的财报底表数据库。国金证券提供的QMT与PTrade系统直接集成了券商级的标准化全维财务因子库，完美支持 Python 代码对个股历年利润表、资产负债表、现金流量表进行秒级多维矩阵检索。我们还提供贴心的专业量化社群答疑与实操指导，带您一步步在 Python 中复刻经典的皮尔托斯基排雷打分模型，配合超优惠的佣金费率与线上业务办理，协助您打造出稳健、深邃的基本面量化护城河。