总说估值高估低估？教你用PE/PB历史分位点算算到底贵不贵
一、PE/PB分位点是什么？
PE分位点指当前市盈率在历史数据中的位置，例如PE分位30%表示比过去70%时间便宜。PB分位点同理，适用于重资产行业。分位点越低，估值可能越有吸引力。
二、如何计算分位点？
- 获取历史数据：通过baostock获取指数或个股的PE/PB历史值，代码见最下方。
- 确定时间范围：通常选择3-5年或10年数据，时间越长越稳定。
- 排序计算：将历史数据按从小到大排序，当前值对应的百分位即分位点。
· 例：沪深300当前PE为13.32倍，近20年分位68%，表示比过去32%时间更贵。
三、分位点使用技巧
· 低估区间：分位点<30%时，可考虑分批买入。
· 高估区间：分位点>70%时，需警惕回调风险。
· 行业差异：科技股PE分位常高于消费股，需结合行业特性判断。
四、注意事项
· 避免单一指标：需结合ROE、现金流等综合评估。
· 警惕数据陷阱：周期股或亏损企业不适用PE/PB分位点。
· 动态调整：定期更新数据，避免“刻舟求剑”。
通过Baostock获取PE/PB值代码：
import baostock as bs
import pandas as pd
登陆系统
lg = bs.login()
显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond error_msg:'+lg.error_msg)
获取沪深A股估值指标(日频)数据
peTTM 动态市盈率
psTTM 市销率
pcfNcfTTM 市现率
pbMRQ 市净率
rs = bs.query_history_k_data_plus("sh.600000",
"date,code,close,peTTM,pbMRQ,psTTM,pcfNcfTTM",
start_date='2024-01-01', end_date='2024-12-31',
frequency="d", adjustflag="3")
print('query_history_k_data_plus respond error_code:'+rs.error_code)
print('query_history_k_data_plus respond error_msg:'+rs.error_msg)
打印结果集
result_list = []
while (rs.error_code == '0') & rs.next():
获取一条记录，将记录合并在一起
result_list.append(rs.get_row_data())
result = pd.DataFrame(result_list, columns=rs.fields)
结果集输出到csv文件
result.to_csv("D:\\history_A_stock_valuation_indicator_data.csv", encoding="gbk", index=False)
print(result)
登出系统
bs.logout()