深度剖析5种最常见的指数估值算法
前面一篇文章发起了一个关于指数低估算法的投票,结果发现感兴趣的人还真不少
既然大家这么感兴趣,那今天就让我来纱布擦屁股——给你漏一手
首先先来看几个我们常用的基金平台:蛋卷、天天基金、雪球
>1、雪球估值
雪球的估值结果分为三种:低估、适中和高估。对应的估值计算需要用到历史PE和PB数据,具体内容如下:
PE绝对值小于20且PE/PB百分位小于30%的是低估;
PE绝对值大于20且PE/PB百分位大于70%的是高估
其余是估值适中。
这样可能看起来不是很直观,我贴一张官方的估值算法图:
为了看起来更一目了然,官方用了几种不同的颜色来区别高低估
其中,低估的用绿色显示,适中的用橙色显示,高估的用红色显示
对于时间较短的,一般是少于5年的指数,都会用灰色显示,表示暂不参与估值
示例图是这样的:
>2、天天基金估值
和雪球一样,天天基金也是根据市盈率或市净率来判断指数的估值水平。
不过,天天基金针对不同的行业选择不同的标准
行业:盈利稳定的行业用PE类指标,周期性行业或者盈利不稳定性行业用PB类指标
标准:针对0%-100%设定不同的估值区间
0%-15%:低估
15%-35%:较为低估
35%-70%:适中
70%-85%:较为高估
85%-100% :高估
为了显示更直观,我贴一张官方的估值区间图
需要注意,天天基金将金融、银行、资源、煤炭等定义为周期性行业/盈利不稳定性行业,使用的是PB指标进行估值。
可以看到,上面两种估值方法基本上没差别,无非就是估值的设定区间不一样罢了
同样的,还有几个收费的估值平台,例如:韭圈儿估值、乌龟量化估值、理杏仁估值等,也是有一套自己的估值算法和标准
我也整理了一下,分别如下
>3、韭圈儿估值
估值百分位基于指数近10年PE数据计算,若不满10年则采用全部历史数据。
很高:百分比>90%
较高:70%-90%
适中:30%-70%
较低:10%-30%
很低:百分比<10%
首页图是这样的:
>4、乌龟量化估值【收费】
先来看首页图:
乌龟量化采用多种估值方法,分别是ETF加权估值、市值加权估值、成分股等全估值等,各自的应用场景不太一样,其中:
ETF加权是用ETF持仓的方法加权计算指数的PE、PB值,主要用于ETF基金的投资;和ETF的真实持仓有一定误差
市值加权是用成分股总市值的方法加权计算指数的PE、PB值,主要用于指数的估值判断,侧重于大市值的股票
等权是用成分股等权重的方法计算指数的PE、PB值,主要用于指数的估值判断,考虑到所有的成分股
另外,它定义的标准区间只有两个,分别是:机会区间和危险区间,如下:
指数机会值 :市盈率30百分位,当指数市盈率低于机会值时,说明市盈率进入了历史最低估的30%区域。
指数危险值:市盈率70百分位,当指数市盈率高于危险值时,说明市盈率进入了历史最高估的70%区域。
>5、理杏仁估值【收费】
理杏仁估值并没有给出明确的估值区间,只是将指数的各项数据、以及历史百分比列了出来
如下图:
其中指数、行业常见的估值种类包括四种:PE-TTM、PB、PS-TTM、股息率;
每种估值都包含5个数据,分别是:市值加权值、等权值、正数等权值、平均值、中位数。
可能上述四个种类大家不是很明显的区别,我简单说一下:
PE-TTM:滚动市盈率,用总市值除以滚动净利润,公式是:∑市值/∑滚动净利润
PB:市净率,用总市值除以归母公司净资产,公式是:∑市值/∑归属于母公司的净资产
PS-TTM:滚动市销率。公式是:∑市值/∑滚动营业收入
股息率:公式是:∑股息派发/∑市值
下面我们再看看5个估值:市值加权值、等权值、正数等权值、平均值、中位数,以PE-TTM为例(其中N为样本总数)
理杏仁的官方最后有这样一句话:
最后老有人问这么多数据,我应该看哪个?
站长答曰:仔细阅读了以上数据的计算方式和意思,我相信用户自然可以做判断。
其实,也就是说,你应该有一套自己的定义标准,官方只会提供最原始、精准的数据,官方相信聪明的用户是可以自行判断的
最后,我借用官方的一段话结尾:
好啦,今天就写到这里吧。
本文完
风险提示:本文观点仅代表个人的意见,所涉及标的不作推荐,据此买卖,风险自负。
==============
最后,说一个福利
前一段时间在整理之前的笔记时,发现了一些曾经看过的研报,稍微分了一下类,分为:入门、适中、挑战级别,每个级别基本有3-5篇的报告
感兴趣的,可以添加小一的私人微信xiaoyixy512免费领取
原创不易,大家记得三连支持
深度剖析5种最常见的指数估值算法相关推荐
- python的分类算法有哪些_Python8种最常见火爆的机器学习算法
原标题:Python8种最常见火爆的机器学习算法 毋庸置疑,近来机器学习人气日益高涨,逐渐在流行词榜单上占据一席之地.机器学习算法繁多,到底该选择哪一种处理相关数据是困扰很多学习者的问题.本文将以一种 ...
- 【Elasticsearch】Elasticsearch 缓存深度剖析:一次提高一种缓存的查询速度
1.概述 转载:Elasticsearch 缓存深度剖析:一次提高一种缓存的查询速度 缓存是加快数据检索速度的王道.因此,如果您有兴趣了解 Elasticsearch 如何利用各种缓存来确保您尽可能快 ...
- 深度剖析 Linux 的 3 种“拷贝”命令
作者 | 奇伢 责编 | 欧阳姝黎 概述 Linux 下有 3 种"拷贝",分别是 ln,cp,mv,这 3 个命令貌似都能 copy 出一个新的文件出来. 细心的小伙 ...
- 常见损失函数深度剖析之二分类
常见损失函数深度剖析之二分类 ###1.二值交叉熵 二值交叉熵是二分类问题的默认损失函数,用于目标变量满足{0,1}二值分布的二分类模型中. 交叉熵回顾--交叉熵是信息理论学里面,用来衡量两个概率分布 ...
- 【C语言进阶】带你深度剖析那些常见的字符函数(一)
前言 在C语言的学习中,C语言中对字符和字符串的处理很是频繁,所以今天本文是针对有关字符串的函数进行深度剖析,下面我会介绍函数的功能,如何使用,参数,模拟实现等方面来进行讲述,希望本文对你有所帮助. ...
- C语言—深度剖析数据在内存中的存储
深度剖析数据在内存中的存储 数据类型介绍 类型的基本归类 整形在内存中的存储 大小端介绍 整形在内存中的存储的相关练习 浮点型在内存中的存储 浮点型在内存中的存储相关介绍 数据类型介绍 内置类型(C语 ...
- 带你深度剖析《数据在内存中的存储》——C语言
文章目录 一.数据类型介绍 二.整型在内存中的存储方式 2.1 原码.反码.补码的讲解 2.2 大小端介绍 2.2.1 大小端的概念 2.2.2 为什么要区分大小端存储呢? 2.2.3 大小端判断练习 ...
- Mysql binlog应用场景与原理深度剖析
1 基于binlog的主从复制 Mysql 5.0以后,支持通过binary log(二进制日志)以支持主从复制.复制允许将来自一个MySQL数据库服务器(master) 的数据复制到一个或多个其他M ...
- 好文推荐 | MySQL binlog应用场景与原理深度剖析
作者:田守枝 来自:田守枝的博客(公众号) 本文深入介绍Mysql Binlog的应用场景,以及如何与MQ.elasticsearch.redis等组件的保持数据最终一致.最后通过案例深入分析binl ...
- DDOS学习笔记(《破坏之王-DDOS攻击与防范深度剖析》)
最近花了点时间把<破坏之王-DDOS攻击与防范深度剖析>看了一遍,坦白来说,这本书比较浅显,可以说是入门书,当然对于我这种对DDOS一知半解的人来说,也是一本不错的书,起码我 ...
最新文章
- C#ReadLine()和ReadKey()区别
- EJB 3.0中会话Bean,实体Bean,消息驱动Bean的作用和例子
- ASP.NET Core MVC 过滤器介绍
- sql 替换text字段中的指定字符
- 【转】怎样成为优秀的软件模型设计者(文末提供下载)
- python中空格替换_Python替换空格
- 地大计算机学院保研华科人数,2020年华中科技大学保研率是多少
- CentOS7中rpm,yum软件安装命令
- 手把手教你Photoshop中的图层混合模式(一)
- 基于C++的即时通信软件设计
- 数据挖掘经典算法--priori算法
- c语言 绝对值比较大小,c语言-求绝对值最大值
- RT-Thread 柿饼GUI
- vue项目中swiper动态更新后无法轮播问题 附带案例代码
- 跨端融合!探索前沿科技无限可能,深圳腾讯2018TLC大会再度来袭,早鸟票半价最后4天!
- 差商matlab编程,Matlab数值计算差商与插值
- 金融安全算法介绍系列6——RSA
- 网页 变黑白网页(灰色)
- Android Bitmap实战技巧
- 2021年4月28日大学物理公式总结