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。
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
我们以腾讯hk09988为例(注意，H股要以hk开头)：
python calc.py stock hk09988
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。
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。
python calc.py market
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。
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。