量化入门系列：沪深300、中证500、中证1000的估值百分位

本系列通过一些实例介绍量化的入门知识，适合零基础的初学者。本篇计算三个宽基指数：沪深300、中证500、中证1000的估值百分位，并将其与价格百分位比较。

本文的程序运行前要先导入数据源和pandas库：

import akshare as ak    # 导入数据源
import pandas as pd    # 导入pandas库

pandas的数据分析功能非常强大，在量化分析中会经常用到，要熟悉掌握。

从上一篇《量化入门系列：四行代码实现A股的估值温度计》可以总结出，此类量化分析通常分为三个步骤：

第一步打开冰箱，不是，第一步是获取数据；

第二步是处理数据；

第三步是输出结果。

我们先来计算沪深300的估值百分位，估值百分位是指当前估值在历史上的百分位数。然后我们将估值和价格进行对比。在集思录上是将估值百分位数和指数的价格曲线直接对比，像这样：

橘色线是PE估值百分位，蓝色线是中证全指的价格曲线。本文为了更直观的体现对比差异，不直接采用指数的价格曲线，而是用指数的价格百分位，价格百分位是指当前价格在历史上的百分位。

hs300_pe_df = ak.stock_a_pe(market="000300.XSHG").iloc[-1708:]    # 获取沪深300的PE和收盘价数据
hs300_pe_pct = hs300_pe_df[['middlePETTM','close']].rank(ascending=True, pct=True)*100    # 计算PE和收盘价的历史百分位
hs300_pe_pct.plot(figsize=(16,8),grid=True,title='沪深300估值和价格百分位')    # 画图

第一行代码是通过AKShare的数据接口ak.stock_a_pe()接口获取沪深300的PE和收盘价的数据，在计算历史百分位时需要一个时间窗口（即用哪个时段的数据），这个时间窗口太长或太短都不好，A股历史上牛熊周期大概是7年，因此这里取过去7年的数据（7年*244个交易日=1708个交易日），代码中 .iloc[-1708:] 就是取最近1708个数据。取出来的数据是个DataFrame格式的表格，存放在变量hs300_pe_df中，可以用 print 语句来看下这个表格的内容：

print (hs300_pe_df)

其中日期部分是这个DataFrame的索引（index），这个DataFrame有5列（columns），分别为：成分股静态市盈率的均值、成分股TTM市盈率的均值、成分股静态市盈率的中位数、成分股TTM市盈率的中位数、收盘价。

第二行代码用于计算成分股TTM市盈率的中位数和收盘价的历史百分位，用到表格hs300_pe_df的其中两列（‘middlePETTM’ 和 ‘close’），用rank()函数来计算百分位，计算结果也是个DataFrame表格，存放在变量hs300_pe_pct中，我们可以查看下内容：

print (hs300_pe_pct)

上面表格的索引（index）为日期，表格有两列：PE的历史百分位和收盘价的历史百分位。

第三行代码是将表格hs300_pe_pct用折线图显示出来：

蓝线是PE百分位，橘线是价格百分位，可以看到两者的相关性比较高，毕竟PE的分子就是价格。但两者也有背离的时候，目前PE估值百分位在40%左右，价格百分位在90%左右，说明盈利的增长高于价格的增长。需要注意的是盈利是一个季度披露一次，有滞后性。

同样的方法可以画出中证500的PE的历史百分位和收盘价的历史百分位：

zz500_pe_df = ak.stock_a_pe(market="000905.XSHG").iloc[-1708:]    # 获取中证500的PE和收盘价数据
zz500_pe_pct = zz500_pe_df[['middlePETTM','close']].rank(ascending=True, pct=True)*100    # 计算PE和收盘价的历史百分位
zz500_pe_pct.plot(figsize=(16,8),grid=True,title='中证500估值和价格百分位')    # 画图

中证1000的PE的历史百分位和收盘价的历史百分位：

zz1000_pe_df = ak.stock_a_pe(market="000852.XSHG").iloc[-1708:]    # 获取中证1000的PE和收盘价数据
zz1000_pe_pct = zz1000_pe_df[['middlePETTM','close']].rank(ascending=True, pct=True)*100    # 计算PE和收盘价的历史百分位
zz1000_pe_pct.plot(figsize=(16,8),grid=True,title='中证1000估值和价格百分位')    # 画图

可以看到自2021年以来，沪深300、中证500、中证1000的估值百分位和价格百分位都出现了背离，其中以中证500最为显著，价格不断抬高，但估值水平不断下降，呈现出明显的喇叭状。

我们用柱状图来对比一下：

comparison_df = pd.DataFrame()
comparison_df['hs300'] = hs300_pe_pct.iloc[-1]    # 沪深300最近一日的估值百分位和价格百分位
comparison_df['zz500'] = zz500_pe_pct.iloc[-1]    # 中证500最近一日的估值百分位和价格百分位
comparison_df['zz1000'] = zz1000_pe_pct.iloc[-1]    # 中证1000最近一日的估值百分位和价格百分位
comparison_df.T.plot.bar(figsize=(10,5))    # 画图

comparison_df是一个DataFrame表格，用来存储三个指数最近一日的估值百分位和价格百分位，用print查看内容：

print (comparison_df)

comparison_df.T.plot.bar()是将表格comparison_df用柱状图画出来：

上图可以直观的对比估值百分位的位置和价格百分位的位置。

本篇介绍了三个宽基指数估值百分位的实现，下一篇继续介绍行业指数、主题指数、风格指数的估值百分位。想知道医药跌了快半年了，估值够便宜了吗？下篇给你答案。

本文涉及的数据接口的说明文档：

https://www.akshare.xyz/data/stock/stock.html?highlight=stock_a_pe#a-4

量化投资系列的文章目录：

1. 量化入门系列：用Anaconda和AKShare搭建免费的Python量化环境

2. 量化入门系列：四行代码实现A股的估值温度计

量化入门系列：沪深300、中证500、中证1000的估值百分位相关推荐

A股常见的宽基指数：沪深300，中证500，和创业板指数
沪深300指数:是国内最具代表性的指数指数简介: 沪深300指数是由中证指数公司开发的,从上海证券交易所和深圳证券交易所挑选的规模最大,流动性最好的 300 只股票组成其实指数的命名规则还是挺有意 ...
python分析数据走势图_左大营 | python数据分析篇系列1——探索沪深300指数（附代码）（中）...
探索沪深300指数(HS300)--基于Python(中) [承接上文] 写在前面:本文只做分析,提供观点,不构成投资建议如需转载请微信联系:eosO_oke 佛系更新,关注不迷路沪深300指数是 ...
多图解读三大股票指数沪深300、中证500、中证1000有何细节差异
指数分类的标准有很多,比如说按市场分.按投资标的分.按指数代表性分.从代表性来分类的话,一般可以分为有三类:综合指数.宽基指数.窄基指数. 综合指数是指成分股包含所有上市的股票,以反映全市场的状况,最 ...
使用tushare检验沪深300收益率和中证500收益率相关性
使用tushare检验沪深300收益率和中证50收益率相关性 tushare 安装tushare 初始化tushare 获取沪深300和中证500数据检验相关性合并数据计算相关系数画图 tus ...
tushare获得沪深300和中证500的股票
tushare获得沪深300和中证500的股票 import tushare as tsresult = ts.get_zz500s() result.to_csv("zz500.csv&q ...
python获取股指_用Python读取csv文件中的沪深300指数历史交易数据
保存路径:D:\python\用Python读取csv文件中的沪深300指数历史交易数据程序名称:readcsvhs300.py: 数据名称:沪深300指数历史交易数据.csv: 开发环境:Win7 ...
Python爬虫入门：爬虫抓取沪深300指数列表
使用Python3爬取沪深300指数列表 1. 思路分析用chrome打开维基百科沪深300的页面,网址为:https://en.wikipedia.org/wiki/CSI_300_Index . ...
Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析
米筐科技(RiceQuant)策略研究报告:Barra 结构化风险模型实现(1)--沪深300指数的风格因子暴露度分析江嘉键 1 年前1 概述 Barra 结构化风险模型是全球知名的投资组合表现和风 ...
fxmarket：9月25日黄金、沪深300、恒指策略分析
一.市场综述国内股指昨天冲高回落震荡整理,创业板走势类似,截止收盘,上证综指涨0.28%,上证50期指收涨0.22%,中证500期指下跌0.24%,沪深300期指微跌0.01%:北上资金方面,沪股通 ...

量化入门系列：沪深300、中证500、中证1000的估值百分位

量化入门系列：沪深300、中证500、中证1000的估值百分位相关推荐

最新文章

热门文章