指数估值系统

利用 baostock和 akshare 两个免费的金融数据接口获取A股、H股股票交易数据，对 指数列表 中的指数按等权平均的方式计算平均PE、PB，从而计算出指数的历史百分位和估值状态。

计算方法主要参考“码农滚雪球”在聚宽公开的代码。

安装方法

安装好akshare，baostock，plotly等依赖包。

pip install -r requirement.txt

注意最好将akshare更新到最新版本：

pip install akshare -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com  --upgrade

使用方法

语法：

python calc.py 关键词 [代码] [日期]

关键词：

• market: 全市场估值
• index: 指数估值
• stock: 个股估值(A股和H股)

其中代码和日期可选。代码是指股票代码或者指数代码，日期指只筛选大于该日期后的数据。

1. A股股票估值

我们以贵州茅台600519为例：

python calc.py stock 600519

这里采用了python的plotly包绘制PE、PB的估值图形，其中实线为PE，虚线为PB，分别给出了历史的90%,50%,10%的分位线。

当我们想只近最近几年的估值情况，我们可以加上日期参数，如我们看2015年以来的估计情况：

python calc.py stock 600519 2015-01-01

2. H股股票估值

我们以腾讯hk09988为例(注意，H股要以hk开头)：

python calc.py stock hk09988

3. 指数估值

可以先在 聚宽指数列表 中查看你需要的指数代码：

我们以中证环保指数000827为例：

python calc.py index 000827

同样的我们也可以加日期参数

python calc.py index 000827 2015-01-01

来绘制指定日期后的估值情况。

4. 自选指数估值

上面是看单个指数估值，我们也可以将平时自己关注的指数加入指数列表。

python calc.py index

其中会打印出自选指数PE、PB、PS的历史百分位和估值情况。其中百分位

• [0,10%):极度低估。
• [10%,20%):低估。
• [20%,40%):正常偏低。
• [40%,60%):正常。
• [60%,80%):正常偏高。
• [80%,90%):高估。
• [90%,100%):极度高估。

添加自选指数方法

打开config.json文件：

{
  "update_date": "2021-08-27",
  "update_date_all": "2021-08-24",
  "path_info": "./basic",
  "path_index": "./index_pepb",
  "path_weight": "./index_weight",
  "path_stock": "./stock",
  "path_market": "./all_market",
  "index_list": [
    "000827",
    "000990",
    "000991",
    "000016",
    "000300",
    "000905",
    "399922",
    "000015",
    "000932",
    "399967",
    "399006",
    "399986",
    "399975",
    "399550",
    "399812",
    "399971"
  ]
}

在index_list中添加或者删除指数代码。程序在运行python calc.py index时会自动读取index_list中的指数列表，获取对应成份股股票，并计算等权PE、PB。

5. 全市场估值

python calc.py market

关于运行时间

获取股票数据采用的单进程（多进程频率过高将调用接口失败），计算指数等权PE\PB时采用的多进程计算。

首次运行自选指数估值时，由于需要获取的股票数据较多，可能会比较慢，需要几十分钟或一个多小时。

计算单个指数、或者股票数据时较快。

全市场估值不用计算，获取的现成值，也较快。

福利

我和广发证券合作，他们给出了比较优惠的开户佣金：

ETF基金万0.5，免5元手续费。

股票万1.2。

有需要的朋友可以通过按下面我的公众号文章开户。

万0.5超低佣金开户