编程选股的步骤如下：
数据收集与分析
收集目标股票的财务数据和市场表现数据，包括股价、成交量等。这些数据可以通过金融数据API或股票软件获取。
设定选股指标
根据投资策略和个人偏好，设定合适的选股指标。这些指标可以包括财务指标（如市盈率、每股收益、市净率等）和技术指标（如移动平均线、相对强弱指数、MACD等）。
选择编程语言与工具
选择熟悉或适合金融数据分析的编程语言，如Python，并选用如Pandas、NumPy等数据处理库。
数据预处理
对收集到的数据进行清洗和整理，确保数据的准确性和完整性。
编写选股算法
根据选股策略，编写选股算法。例如，使用移动平均线交叉（MACD）策略进行选股。
模型训练与优化
根据历史数据训练模型，并通过回测等方式优化模型性能。
实施与监控
根据市场变化，定期更新数据并调整模型参数，保持选股策略的时效性。
输出结果
将符合标准的股票列表输出，以供投资者参考。
```python
import pandas as pd
import numpy as np
加载股票数据
data = pd.read_csv（'stock_data.csv'）
计算市盈率
data['PE'] = data['股价'] / data['每股收益']
设定目标市盈率
target_pe = 20
筛选出市盈率低于目标值的股票
selected_stocks = data[data['PE'] < target_pe]
输出结果
print（selected_stocks）
```
这个示例中，我们首先加载了股票数据，并计算了每只股票的市盈率。然后，我们设定了目标市盈率为20，并筛选出市盈率低于20的股票。最后，我们输出了符合标准的股票列表。
请注意，这只是一个简单的示例，实际的编程选股策略可能更为复杂，需要结合多种指标和算法进行综合分析和筛选。