编写自己的股票选股程序可以通过以下步骤进行：
确定选股策略
明确你的选股目标，比如基于技术指标、基本面分析、机器学习等方法。
选择编程语言
根据个人熟悉和喜好的编程语言，选择合适的编程语言来实现选股策略。常见的编程语言包括Python、R、Java、C++等，其中Python在金融领域应用广泛，具有丰富的数据分析和机器学习库。
数据获取和处理
获取股票市场的相关数据，可以使用各种数据接口、爬虫等方式。
对数据进行清洗、处理和预处理，以便后续的选股分析。
编写选股策略代码
根据选股策略，编写相应的代码实现选股逻辑。例如，基于技术指标的选股策略可以使用股票价格、成交量等指标进行计算和分析，判断股票是否符合买入或卖出条件。
回测和优化
完成选股策略代码后，可以对其进行回测和优化。回测是通过历史股票数据，模拟策略的实际表现，评估选股策略的盈利能力和稳定性。根据回测结果，可以对选股策略进行优化和改进。
部署和实施
将选股策略的编程源码编辑后，可以将其部署到实际的股票交易平台或自动化交易系统中，实施选股策略并进行实时交易。
```python
假设我们已经收集到了股票数据，存储在dataframe中
def select_stocks（data）:
基本面分析示例：选择市盈率低的股票
low_pe_stocks = data[（data['PE'] < 某个阈值）]
return low_pe_stocks
示例数据
data = {
'PE': [10, 12, 15, 18, 20, 22, 25, 28, 30]
}
调用函数
result = select_stocks（data）
print（result）
```
请注意，这只是一个简单的示例，实际应用中需要更复杂的数据处理和策略分析。此外，还可以使用其他编程语言和工具，如R、MATLAB、AmiBroker等，根据个人需求和偏好选择合适的工具来实现选股策略。
