【Python代码】全市场估值-等权PE PB

最新推荐文章于 2024-07-29 16:32:12 发布

兔子爱读书

最新推荐文章于 2024-07-29 16:32:12 发布

阅读量1.1w

点赞数 1

分类专栏：万象杂谈

原文链接：https://www.joinquant.com/community/post/detailMobile?postId=1058&page=&limit=20&replyId=&tag=

版权

万象杂谈专栏收录该内容

30 篇文章 1 订阅

订阅专栏

感谢，转载自:https://www.joinquant.com/community/post/detailMobile?postId=1058&page=&limit=20&replyId=&tag=

感谢cjhren在他的基础上增加了等权PB。目前等权PBPE都全了。
目前市场大部分还在高位，只有大蓝筹便宜。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import bisect

#指定日期的指数PE（等权重）
def get_index_pe_date(index_code,date):
    stocks = get_index_stocks(index_code, date)
    q = query(valuation).filter(valuation.code.in_(stocks))
    df = get_fundamentals(q, date)
    if len(df)>0:
        pe = len(df)/sum([1/p if p>0 else 0 for p in df.pe_ratio])
        return pe
    else:
        return float('NaN')

#指定日期的指数PB（等权重）
def get_index_pb_date(index_code,date):
    stocks = get_index_stocks(index_code, date)
    q = query(valuation).filter(valuation.code.in_(stocks))
    df = get_fundamentals(q, date)
    if len(df)>0:
        pb = len(df)/sum([1/p if p>0 else 0 for p in df.pb_ratio])
        return pb
    else:
        return float('NaN')
    
#指数历史PEPB
def get_index_pe_pb(index_code):
    start='2005-1-1'
    #start='2015-1-1'
    end = pd.datetime.today();
    dates=[]
    pes=[]
    pbs=[]
    for d in pd.date_range(start,end,freq='M'): #频率为月
        dates.append(d)
        pes.append(get_index_pe_date(index_code,d))
        pbs.append(get_index_pb_date(index_code,d))
    d = {'PE' : pd.Series(pes, index=dates),
            'PB' : pd.Series(pbs, index=dates)}
    PB_PE = pd.DataFrame(d)
    return PB_PE


all_index = get_all_securities(['index'])
index_choose =['000016.XSHG',                        
                         '000300.XSHG',
                         '000902.XSHG',
                         '000905.XSHG',
                         '399106.XSHE',               
                         '399316.XSHE',
               
                        '000036.XSHG',
                        '000037.XSHG',
                        '000038.XSHG',
                        '000039.XSHG',
                        '000158.XSHG'
                        ]
df_pe_pb = pd.DataFrame()
frames=pd.DataFrame()
today= pd.datetime.today()
for code in index_choose:
    index_name = all_index.ix[code].display_name  
    print u'正在处理: ',index_name   
    df_pe_pb=get_index_pe_pb(code)    

    
    
    
    
    results=[]
    pe = get_index_pe_date(code,today)
    q_pes = [df_pe_pb['PE'].quantile(i/10.0)  for i in range(11)]    
    idx = bisect.bisect(q_pes,pe)
    quantile = idx-(q_pes[idx]-pe)/(q_pes[idx]-q_pes[idx-1])   
    #index_name = all_index.ix[code].display_name
    results.append([index_name,'%.2f'% pe,'%.2f'% (quantile*10)]+['%.2f'%q  for q in q_pes]+[df_pe_pb['PE'].count()])
    
    pb = get_index_pb_date(code,today)
    q_pbs = [df_pe_pb['PB'].quantile(i/10.0)  for i in range(11)] 
    idx = bisect.bisect(q_pbs,pb)
    quantile = idx-(q_pbs[idx]-pb)/(q_pbs[idx]-q_pbs[idx-1])   
    #index_name = all_index.ix[code].display_name
    results.append([index_name,'%.2f'% pb,'%.2f'% (quantile*10)]+['%.2f'%q  for q in q_pbs]+[df_pe_pb['PB'].count()])
    
    
    df_pe_pb['10% PE']=q_pes[1]
    df_pe_pb['50% PE']=q_pes[5]
    df_pe_pb['90% PE']=q_pes[9]
    df_pe_pb['10% PB']=q_pbs[1]
    df_pe_pb['50% PB']=q_pbs[5]
    df_pe_pb['90% PB']=q_pbs[9]

    df_pe_pb.plot(secondary_y=['PB','10% PB','50% PB','90% PB'],figsize=(14,8),title=index_name,style=['k-.', 'k', 'g', 'y', 'r', 'g-.', 'y-.', 'r-.']) 
    columns=[u'名称',u'当前估值',u'分位点%',u'最小估值']+['%d%%'% (i*10) for i in range(1,10)]+[u'最大估值' , u"数据个数"]
    df= pd.DataFrame(data=results,index=['PE','PB'],columns=columns)
    frames = pd.concat([frames, df])
frames

正在处理:  上证50
正在处理:  沪深300
正在处理:  中证流通
正在处理:  中证500
正在处理:  深证综指
正在处理:  巨潮小盘
正在处理:  上证消费
正在处理:  上证医药
正在处理:  上证金融
正在处理:  上证信息
正在处理:  上证环保

Out[8]:

	名称	当前估值	分位点%	最小估值	10%	20%	30%	40%	50%	60%	70%	80%	90%	最大估值	数据个数
PE	上证50	11.31	17.99	9.79	10.59	11.49	12.49	13.96	15.03	16.06	17.82	24.86	32.65	47.33	135
PB	上证50	1.42	8.44	1.30	1.44	1.58	1.70	1.80	1.93	2.10	2.30	2.72	3.75	6.57	135
PE	沪深300	20.22	46.28	12.11	15.89	16.70	17.46	18.75	21.08	22.85	24.50	32.00	41.05	54.96	132
PB	沪深300	2.11	44.44	1.33	1.53	1.72	1.86	2.01	2.24	2.60	2.81	3.17	3.92	6.80	132
PE	中证流通	52.89	76.55	9.39	22.45	27.83	30.66	32.13	35.68	40.37	46.46	56.28	64.36	77.09	130
PB	中证流通	3.56	68.25	1.45	1.84	2.12	2.26	2.44	2.95	3.31	3.62	3.97	4.40	5.76	130
PE	中证500	39.62	60.07	17.36	25.09	27.00	28.32	31.08	35.52	39.57	46.41	54.19	62.26	72.21	111
PB	中证500	2.85	50.84	1.32	1.97	2.08	2.21	2.53	2.82	3.13	3.39	3.59	4.00	5.03	111
PE	深证综指	63.97	86.91	17.47	28.18	31.32	34.16	37.67	40.71	47.04	51.87	58.75	66.31	92.41	135
PB	深证综指	4.18	75.35	1.43	1.76	2.22	2.40	2.56	3.00	3.50	3.96	4.36	4.94	6.38	135
PE	巨潮小盘	46.30	64.78	18.64	30.25	31.69	32.92	35.15	40.70	43.75	49.09	56.74	71.09	86.67	134
PB	巨潮小盘	3.18	66.19	1.34	1.64	2.03	2.23	2.38	2.62	2.94	3.33	3.66	4.05	5.32	134
PE	上证消费	32.51	35.39	23.77	27.39	29.33	31.25	33.59	35.49	39.08	51.59	57.61	72.23	78.03	87
PB	上证消费	3.30	39.09	2.45	2.73	2.95	3.10	3.32	3.47	3.75	4.21	4.64	5.02	5.79	87
PE	上证医药	39.01	86.39	22.45	27.57	30.13	31.90	32.63	33.58	34.33	35.02	36.75	40.28	59.94	87
PB	上证医药	3.88	58.83	2.92	3.19	3.41	3.49	3.61	3.77	3.90	4.42	4.79	5.36	6.22	87
PE	上证金融	9.04	30.12	7.30	7.71	8.47	9.02	10.03	10.72	11.84	14.00	15.01	22.91	32.23	87
PB	上证金融	1.39	28.23	1.08	1.18	1.27	1.41	1.51	1.61	1.75	2.02	2.33	2.93	4.05	87
PE	上证信息	59.31	65.30	26.65	33.77	36.47	43.28	48.88	54.02	57.50	60.90	68.35	80.31	101.23	87
PB	上证信息	5.42	90.37	1.89	2.29	2.68	3.12	3.27	3.71	4.02	4.40	4.75	5.30	8.54	87
PE	上证环保	32.29	25.02	27.03	30.31	31.44	33.13	33.51	34.35	35.37	36.82	40.19	44.68	54.85	43
PB	上证环保	3.11	70.97	1.90	2.17	2.35	2.41	2.46	2.62	2.91	3.08	3.37	3.84	4.97	43