自制股票编程可以通过以下步骤进行：
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。通过使用Python，你可以编写自己的选股程序，实现个性化的选股策略。Python提供了丰富的库和工具，如pandas、numpy、scikit-learn等，可以帮助你进行数据处理、模型训练和策略回测等工作。
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。通过使用R语言，你可以编写自己的选股程序，并利用其强大的数据处理和统计分析功能，进行选股策略的研究和优化。
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。它提供了丰富的工具箱和函数，可以用于数据处理、模型建立和策略回测等任务。通过使用MATLAB，你可以编写自己的选股程序，并利用其强大的计算和可视化功能，进行选股策略的研究和分析。
AmiBroker：AmiBroker是一种专业的股票分析软件，提供了强大的选股和策略回测功能。它支持使用AmiBroker Formula Language （AFL）编写自定义的选股公式和策略规则。通过使用AmiBroker，你可以根据自己的需求编写选股策略，并进行实时数据分析和回测，帮助你找到合适的股票投资机会。
确定软件需求
明确你的软件需求，包括功能、性能、用户界面等方面。这将有助于你在后续的开发过程中保持目标明确，避免偏离轨道。
学习编程知识
如果你还不熟悉编程，需要学习一门编程语言，如Python或C++。可以通过在线课程、书籍、教程等资源来学习编程基础知识。
熟悉股票交易逻辑
学习股票交易的基本逻辑，包括技术分析、基本面分析、市场心理等。这将有助于你编写出更符合实际的选股策略。
编写选股代码
在选择的编程语言中，利用提供的库和工具，编写选股代码。例如，在Python中，你可以使用pandas进行数据处理，使用scikit-learn进行模型训练，然后根据训练结果编写选股策略。
测试和优化
编写好选股代码后，需要对代码进行测试，确保其正确性和有效性。可以通过模拟交易或实际交易来测试你的选股策略，并根据测试结果进行优化。
回测和验证
通过历史数据进行策略回测，验证你的选股策略在不同市场环境下的表现。根据回测结果，进一步调整和完善你的策略。
部署和使用
将编写好的选股程序部署到你的股票软件中，并进行实时数据分析和选股操作。确保程序稳定运行，并根据用户反馈进行持续改进。
通过以上步骤，你可以逐步完成股票编程，并开发出符合自己需求的个性化炒股软件。建议在开发过程中，不断学习和实践，积累经验，以提高编程能力和选股策略的有效性。