自学选股编程软件的过程可以分为以下几个步骤：
选择编程语言
Python：Python是一种简单易学且功能强大的编程语言，广泛应用于数据分析和机器学习领域。它拥有丰富的库和工具，如pandas、numpy、scikit-learn等，非常适合用于编写选股程序。
R语言：R语言是一种专门用于数据分析和统计建模的编程语言，提供了丰富的统计分析和可视化工具，适合用于选股策略的开发和测试。
MATLAB：MATLAB是一种专业的数值计算和数据分析软件，广泛应用于科学研究和工程领域，也适用于金融工程和算法交易。
学习编程基础
如果你选择Python，可以从基础的语法开始学习，掌握变量、数据类型、控制流、函数等基本概念。
对于R语言，需要学习其统计分析和数据可视化相关的包和函数。
MATLAB的学习重点在于其工具箱和函数，特别是金融相关的工具箱，如Financial Toolbox和Trading Toolbox。
掌握数据处理和分析工具
Python：学习使用pandas进行数据处理，numpy进行数值计算，matplotlib进行数据可视化，以及ta-lib进行技术指标计算。
R语言：学习使用quantmod、tidyquant等包进行数据分析和策略回测。
MATLAB：利用其自带的金融工具箱进行股票数据分析和交易策略开发。
学习编写选股策略
了解常用的股票分析指标，如均线、MACD、RSI等，并学习如何在编程语言中实现这些指标的计算和应用。
学习如何根据这些指标和其他市场数据（如成交量、价格等）来构建选股策略。
策略回测和优化
使用历史数据进行策略回测，评估策略的有效性。
根据回测结果调整策略参数，进行优化，以提高策略的盈利能力。
实时数据分析和交易
学习如何连接实时数据源，进行实时数据分析。
如果需要，可以学习如何将策略应用于实际交易中，实现自动化交易。
使用专业软件
AmiBroker：支持使用AmiBroker Formula Language （AFL）编写自定义的选股公式和策略规则，进行实时数据分析和回测。
TradeStation：使用EasyLanguage编程语言进行策略开发，提供丰富的技术分析工具和数据源，支持实时交易和回测。
不断学习和实践
编程选股是一个不断学习和实践的过程，需要不断积累经验，跟踪市场变化，调整策略。
通过以上步骤，你可以逐步掌握选股编程软件的使用，并开发出适合自己的选股策略。建议从Python开始，因为它的语法简单易学，且有丰富的库和社区支持。