【转】JQData估值分析
（转自：https://www.joinquant.com/view/community/detail/9e0c400b057e246bdca2db2d54b85941）
投资最重要的事 – 估值
投资最重要的是什么？答：判断“胖瘦”的能力。
巴菲特：对面过来一个200斤的人，你不需要一台体重秤，也该知道他是胖子。
要想做好投资，你该知道自己心仪的标的到底是贵还是便宜。
在资本市场，判断“胖瘦”的能力，我们也叫估值。
没有估值，没有识别贵贱的能力，就会像大海里的浮萍，亏盈全靠市场和运气。
有了估值，你就像拥有了定海神针，任凭市场涨涨跌跌，潮起潮落，我自低买高卖，波动越大，收益越多。
看到这里，请暂停1分钟，仔细思考下是不是这样？
对于市场估值的准确估计是根本的出发点。
为什么估值如此重要？
当我们没有这份能力的时候，怎么知道一个标的是不是值得买？
如果大家都嫌弃的时候，你是不是也感到害怕不敢买入？
或者当大家都看好的时候，确实赚到钱的时候，你也兴奋的杀入？
然后就变成了接盘侠、韭菜、旅鼠、浮萍。
当我们有这份能力的时候，我们知道这个标的的真正价值，假设值1块钱。
当它跌到5毛的时候，我们其实会想超市大促销一样开心，可以买更多。
当它涨到2块的时候，我们则慢慢卖出，卖给欢天喜地抢购的人。
因为我们知道，价值总会被发现，价值终将回归，价格始终围绕价值波动。
是不是有点“他强任他强 清风拂山岗”的感觉？
信心从这里开始。
这也是价值投资，逆向投资的第一步。也是最重要的一步。
让我们用数据说话。
通过聚宽本地金融数据JQData，我们找到了2005年至今的全市场估值数据（取自沪深市场每日成交概况），从中提取出深圳市场从2005年至今的平均市盈率数据。我们发现：
① 深圳市场在最近两轮牛市的顶点，也即2008年1月15日和2015年6月12日，达到全市场PE的峰值水平，并且两个峰值PE表现出了明显的近似关系。
图片来自文章
具体来看，深圳市场在两轮牛市顶点的峰值PE分别是76.13和68.92，近似率为90.53%。
这种峰值PE的近似性，几乎完美验证了我们关于全市场估值水平呈现周期性波动的猜想。
如何估值 – 全市场PE和PB
判断A股市场贵贱，最有效的办法，是看全市场。
正在的牛市，肯定是所有股票飞天的市场。而真正的熊市，肯定是泥沙俱下，管你好股票，差股票，全部跌得惨不忍睹的市场。
而我们的能力，从全市场估值开始。
可以说，一个完整的牛熊周期，也即投资者风险偏好上升-回落-再上升，带动全市场估值周期性波动的过程。
如果能够通过全市场估值的历史数据，找到市场估值的波动周期，那么我们就能准确地评估当前市场的估值水平了。
看全市场估值，最简单有效的方案是看全市场的PE和PB。
PE和PB是什么？不知道这个的小白还是别炒股了，先去补补功课。
不想让自己的血汗钱被收割的话，一定要学习一下。
那么问题来了，请问在哪里可以买到它呢？
JQData给你好看。
我将会用JQData计算全市场等权PE和等权PB、PE。
至于为什么要用等权？因为不想受市值庞大的股票左右。感兴趣的朋友可以找我讨论。
具体计算等权PE的算法如下：
全市场PE = N / ∑(1 / (市值 / 净利润))
其中：市值 / 净利润 = pe_ttm
talk is cheap, show me the code.
用JQData计算某天交易日的全市场PE代码如下：
获取全市场股票PE
all_stock = jqdatasdk.get_all_securities([‘stock’], date=query_date)
stocks = list(all_stock.index)
print(" 全市场", len(stocks), “只股票信息”)
stock1 = stocks[:2000]
stock2 = stocks[2000:]
q1 = jqdatasdk.query(
jqdatasdk.valuation.code, jqdatasdk.valuation.day, jqdatasdk.valuation.pe_ratio, jqdatasdk.valuation.pb_ratio
).filter(
jqdatasdk.valuation.code.in_(stock1)
)
df1 = jqdatasdk.get_fundamentals(q1, date=query_date)
df1.to_sql(name=‘stock_valuations’, if_exists=‘append’, con=conn, index=False)
q2 = jqdatasdk.query(
jqdatasdk.valuation.code, jqdatasdk.valuation.day, jqdatasdk.valuation.pe_ratio, jqdatasdk.valuation.pb_ratio
).filter(
jqdatasdk.valuation.code.in_(stock2)
)
df2 = jqdatasdk.get_fundamentals(q2, date=query_date)
df2.to_sql(name=‘stock_valuations’, if_exists=‘append’, con=conn, index=False)
stock_fund = pd.concat([df1, df2]).set_index(‘code’)
计算全市场等权PE
pe_ew = len(stock_fund[“pe_ratio”]) / stock_fund[“pe_ratio”].apply(get_pe_trans).sum()
print(" 全市场等权PE=", pe_ew)
计算全市场等权PB
pb_ew = len(stock_fund[“pb_ratio”]) / stock_fund[“pb_ratio”].apply(get_pe_trans).sum()
print(" 全市场等权PB=", pb_ew)
总结 – 估值图
下图是我依据JQData的数据和pyecharts画图，画出来的，从2005年以来的全市场估值图：
免费分享，但是我自己觉得它价值千金：）。
仔细的看，认真的看5分钟，看看能不能发掘出一点属于你自己的心得。
我简单说两点:
1、深综指数斜向上增长，所以长期投资总是可以赚钱
2、几年内，涨跌幅特别大，如果能抓住一波，资产将有本质的飞跃
3、市场估值波动特别大，估值总是波动，总体在15到70间波动
4、15只有08年到过，05年，15年没有低于20倍
5、低于25的时候，无疑是非常好的投资机会
6、高于60的时候，无疑是非常好
投资最重要的事 – 估值
投资最重要的是什么？答：判断“胖瘦”的能力。
巴菲特：对面过来一个200斤的人，你不需要一台体重秤，也该知道他是胖子。
要想做好投资，你该知道自己心仪的标的到底是贵还是便宜。
在资本市场，判断“胖瘦”的能力，我们也叫估值。
没有估值，没有识别贵贱的能力，就会像大海里的浮萍，亏盈全靠市场和运气。
有了估值，你就像拥有了定海神针，任凭市场涨涨跌跌，潮起潮落，我自低买高卖，波动越大，收益越多。
看到这里，请暂停1分钟，仔细思考下是不是这样？
对于市场估值的准确估计是根本的出发点。
为什么估值如此重要？
当我们没有这份能力的时候，怎么知道一个标的是不是值得买？
如果大家都嫌弃的时候，你是不是也感到害怕不敢买入？
或者当大家都看好的时候，确实赚到钱的时候，你也兴奋的杀入？
然后就变成了接盘侠、韭菜、旅鼠、浮萍。
当我们有这份能力的时候，我们知道这个标的的真正价值，假设值1块钱。
当它跌到5毛的时候，我们其实会想超市大促销一样开心，可以买更多。
当它涨到2块的时候，我们则慢慢卖出，卖给欢天喜地抢购的人。
因为我们知道，价值总会被发现，价值终将回归，价格始终围绕价值波动。
是不是有点“他强任他强 清风拂山岗”的感觉？
信心从这里开始。
这也是价值投资，逆向投资的第一步。也是最重要的一步。
让我们用数据说话。
通过聚宽本地金融数据JQData，我们找到了2005年至今的全市场估值数据（取自沪深市场每日成交概况），从中提取出深圳市场从2005年至今的平均市盈率数据。我们发现：
① 深圳市场在最近两轮牛市的顶点，也即2008年1月15日和2015年6月12日，达到全市场PE的峰值水平，并且两个峰值PE表现出了明显的近似关系。
图片来自文章
具体来看，深圳市场在两轮牛市顶点的峰值PE分别是76.13和68.92，近似率为90.53%。
这种峰值PE的近似性，几乎完美验证了我们关于全市场估值水平呈现周期性波动的猜想。
如何估值 – 全市场PE和PB
判断A股市场贵贱，最有效的办法，是看全市场。
正在的牛市，肯定是所有股票飞天的市场。而真正的熊市，肯定是泥沙俱下，管你好股票，差股票，全部跌得惨不忍睹的市场。
而我们的能力，从全市场估值开始。
可以说，一个完整的牛熊周期，也即投资者风险偏好上升-回落-再上升，带动全市场估值周期性波动的过程。
如果能够通过全市场估值的历史数据，找到市场估值的波动周期，那么我们就能准确地评估当前市场的估值水平了。
看全市场估值，最简单有效的方案是看全市场的PE和PB。
PE和PB是什么？不知道这个的小白还是别炒股了，先去补补功课。
不想让自己的血汗钱被收割的话，一定要学习一下。
那么问题来了，请问在哪里可以买到它呢？
JQData给你好看。
我将会用JQData计算全市场等权PE和等权PB、PE。
至于为什么要用等权？因为不想受市值庞大的股票左右。感兴趣的朋友可以找我讨论。
具体计算等权PE的算法如下：
全市场PE = N / ∑(1 / (市值 / 净利润))
其中：市值 / 净利润 = pe_ttm
talk is cheap, show me the code.
用JQData计算某天交易日的全市场PE代码如下：
获取全市场股票PE
all_stock = jqdatasdk.get_all_securities([‘stock’], date=query_date)
stocks = list(all_stock.index)
print(" 全市场", len(stocks), “只股票信息”)
stock1 = stocks[:2000]
stock2 = stocks[2000:]
q1 = jqdatasdk.query(
jqdatasdk.valuation.code, jqdatasdk.valuation.day, jqdatasdk.valuation.pe_ratio, jqdatasdk.valuation.pb_ratio
).filter(
jqdatasdk.valuation.code.in_(stock1)
)
df1 = jqdatasdk.get_fundamentals(q1, date=query_date)
df1.to_sql(name=‘stock_valuations’, if_exists=‘append’, con=conn, index=False)
q2 = jqdatasdk.query(
jqdatasdk.valuation.code, jqdatasdk.valuation.day, jqdatasdk.valuation.pe_ratio, jqdatasdk.valuation.pb_ratio
).filter(
jqdatasdk.valuation.code.in_(stock2)
)
df2 = jqdatasdk.get_fundamentals(q2, date=query_date)
df2.to_sql(name=‘stock_valuations’, if_exists=‘append’, con=conn, index=False)
stock_fund = pd.concat([df1, df2]).set_index(‘code’)
计算全市场等权PE
pe_ew = len(stock_fund[“pe_ratio”]) / stock_fund[“pe_ratio”].apply(get_pe_trans).sum()
print(" 全市场等权PE=", pe_ew)
计算全市场等权PB
pb_ew = len(stock_fund[“pb_ratio”]) / stock_fund[“pb_ratio”].apply(get_pe_trans).sum()
print(" 全市场等权PB=", pb_ew)
总结 – 估值图
下图是我依据JQData的数据和pyecharts画图，画出来的，从2005年以来的全市场估值图：
免费分享，但是我自己觉得它价值千金：）。
仔细的看，认真的看5分钟，看看能不能发掘出一点属于你自己的心得。
我简单说两点:
1、深综指数斜向上增长，所以长期投资总是可以赚钱
2、几年内，涨跌幅特别大，如果能抓住一波，资产将有本质的飞跃
3、市场估值波动特别大，估值总是波动，总体在15到70间波动
4、15只有08年到过，05年，15年没有低于20倍
5、低于25的时候，无疑是非常好的投资机会
6、高于60的时候，无疑是非常好的卖出机会
7、现在无疑也是非常好的投资机会：）
基于全市场估值的一个简单应用交易策略：
1、获取2005年以来，每个交易日的全市场PE、PB
2、计算当前交易日的全市场PE、PB在历史中的百分位
3、当低于20%的时候买入，高于80%的时候卖出
当然，还有更复杂有效的交易策略，以后我会继续拿出来讨论分析，但是全市场估值是基础，没有之一。
有了全市场估值这个定海神针，我们就能穿越资本市场的迷雾，踏上自由之路，收获属于自己的那一份财富。
的卖出机会
7、现在无疑也是非常好的投资机会：）
基于全市场估值的一个简单应用交易策略：
1、获取2005年以来，每个交易日的全市场PE、PB
2、计算当前交易日的全市场PE、PB在历史中的百分位
3、当低于20%的时候买入，高于80%的时候卖出
当然，还有更复杂有效的交易策略，以后我会继续拿出来讨论分析，但是全市场估值是基础，没有之一。
有了全市场估值这个定海神针，我们就能穿越资本市场的迷雾，踏上自由之路，收获属于自己的那一份财富。