第四章：经典量化策略集锦（第七篇：向彼得林奇投资大师学习 PEG选股 ）

导语：投资大师彼得·林奇有过一个著名的论断：任何一家公司股票如果定价合理的话，市 


盈率就会与收益增长率相等。本篇内容将为大家讲述彼得·林奇推广的PEG 选股策略。 






一、策略阐述 






彼得·林奇 






    彼得·林奇 （Peter Lynch ）生于 1944 年1 月19 日, 是一位卓越的股票投资家和证券投资 


基金经理,  曾被 《时代杂志》评为首席基金经理。1977 年至1990 年, 在彼得·林奇管理麦哲伦 


基金的 13 年间, 基金规模大幅扩增,  由2000 万美元成长至140 亿美元！他对共同基金的贡献， 


就像是乔丹之于篮球，邓肯之于现代舞蹈。他不是人们日常认识中的那种脑满肥肠的商人， 


他把整个比赛提升到一个新的境界，他让投资变成了一种艺术。 






    彼得·林奇一直以他的选股能力而著称，他有一句名言：只要用心对股票做一点点研究， 


普通投资者也能成为股票投资专家，并且在选股方面的成绩能像华尔街的专家一样出色。 






PEG 指标 






         围绕着彼得·林奇的著名论断，我们来谈谈PEG 指标。 


    论断：任何一家公司股票如果定价合理的话，市盈率就会与收益增长率相等。 


     


    了解基础指标：每股收益、市盈率和每股收益增长率。 






    每股收益(EPS) ：是税后利润与股本总数的比率。传统的每股收益指标计算公式为：每 


股收益＝期末净利润÷期末股份总数。 






    每股收益增长率(G) ：论断中的收益增长率指的就是每股收益的增长率，同比增长率＝ 


{(本期每股收益-上年同期每股收益) ／上年同期每股收益的绝对值}*100%。 






    市盈率(PE) ：是当前股价与每股收益的比值。市盈率对个股、类股及大盘都是很重要参 


考指标。任何股票若市盈率大大超出同类股票或是大盘，都需要有充分的理由支持，而这往 


往离不开该公司未来盈利率将快速增长这一重点。一家公司享有非常高的市盈率，说明投资 


人普遍相信该公司未来每股盈余将快速成长，以至数年后市盈率可降至合理水平。一旦盈利 


增长不如理想，支撑高市盈率的力量无以为继，股价往往会大幅回落。  






    PEG 指标由上述基础指标演变而来，计算公式为：PEG=PE/G ，其中PE 为市盈率，G 


为每股收益增长率。PE 代表投资者对公司每股收益增长预期，而G 代表公司真实的每股收 


益增长预期。从合理定价的角度看，个股的市盈率与每股收益增长率应该保持相等。如果 


PEG 小于 1，股价是偏低的，反之则偏高。 




----------------------- Page 103-----------------------


彼得·林奇 PEG 选股 






    PEG 选股策略：计算全市场股票的 PEG 指标，按PEG 值从小到大排序，选择前10 只股 


票作为持仓 






    就这么简单吗？不是的，PEG 指标选股具有局限性： 






    1.PEG 指标不合适用于周期性行业选股，因此需要剔除周期性行业内的股票。由于周期 


性行业非常多，本文选取 5 个非周期性行业进行 PEG 选股：食品饮料，医药生物，纺织服 


装，商业贸易，交通运输 。 






    2.价值型股票与成长性股票不同，价值型股票由于其成长空间有限，导致价值型股票的 


PEG 往往会低于 1，以反映低业绩增长的预期。所有直接使用 PEG 指标会出现一边倒现象。 


更何况PEG 选股策略主要意图在于挑选出优质成长股。对于个股是否为成长型股票的定义 


方法并不固定，因此本文采用以下简单粗暴定义(ps: 同学们掌握后可以在此处优化哦!)。 






    3.无法衡量公司的收益增率可持续性，考虑到公司可能出现的扭亏为盈、特殊情况导致 


单季度收益增率高达1000%+现象，我们需要剔除收益增长率超过 40% 的个股，因其增长不 


可持续。 






    成长型股票池：对所有非周期性行业个股，采用净利润复合增长率、销售净利率两个指 


标，选取当季两个指标都在前50%的股票。 






    第一步：获取成长型股票池。 






    第一步：每隔20 个交易 日，获取股票池内个股的 PE 和 G 值，剔除G 大于40 的个股， 


然后计算成长型股票池的PEG 指标。 






    第二步：按PEG 值从小到大排序，选择前5 只股票作为持仓 






    以下为策略实现的基本信息： 


    策略实现难度：3 


    实现过程中所需要用到的API 函数，ps:通过 MindGo 量化交易平台 API 文档快速掌握： 






需要用到的API 函数     功能 






get_industry_stocks 获取行业指数成分股 






get_fundamentals 获取财务数据 




----------------------- Page 104-----------------------


二、代码示意图 




----------------------- Page 105-----------------------


三、编写释义 






    彼得·林奇 PEG 选股核心是获取成长性股票，本篇内容中粗糙定义了成长型股票，建议 


初学者前往研究环境操作，并能在此基础上加入 自己的一些想法。 


         以下是作者实现过程中，研究环境的代码草稿，分享给同学们。 






#=================获取非周期性行业个股 


def non_cyclical_industry(date): 


    #确定申万一级非周期行业 


    non_cyclical_industry_list =['S36',# 申万一级：纺织服装 


                                 'S45',# 申万一级：商业贸易 


                                 'S37',# 申万一级：医药生物 


                                 'S34',# 申万一级：食品饮料 


                                 'S42']# 申万一级：交通运输 


    stock_list=[] 


    #通过行业成分股获取函数，获取到股票池。 


    for i in non_cyclical_industry_list:        


        stk=get_industry_stocks(i,date) 


        for i in stk: 


            stock_list.append(i) 


    return stock_list 


date='20180125' 


stk=non_cyclical_industry(date) 


stock_num = int(len(stk)*0.5) 


#获取净利润增长率和销售毛利率 


q =  


query(valuation.symbol,growth.net_profit_compound_growth_ratio,profit.net_profit_margin_on_sa 


les).filter(valuation.symbol.in_(stk)) 


basic = get_fundamentals(q, date = date) 


for i in ['growth_net_profit_compound_growth_ratio','profit_net_profit_margin_on_sales']: 


    basic = pd.DataFrame(basic).sort_values(by =i, ascending=False) 


    stockmax=list(basic.iloc[:stock_num]['valuation_symbol']) 


    stk=list(set(stk)&set(stockmax)) 


q =  


query(valuation.symbol,valuation.pe_ttm,growth.basic_eps_year_growth_ratio).filter(valuation.sym 


bol.in_(stk)) 


basic = get_fundamentals(q, date = '20180125') 


basic['PEG']=basic['valuation_pe_ttm']/basic['growth_basic_eps_year_growth_ratio'] 


basic = basic[basic['PEG']>0] 


basic = basic[basic['growth_basic_eps_year_growth_ratio']<50] 


basic = pd.DataFrame(basic).sort_values(by ='PEG', ascending=True) 


basic.index=basic['valuation_symbol'] 


del basic['valuation_symbol'] 


basic 




----------------------- Page 106-----------------------


运行结果： 




----------------------- Page 107-----------------------


四、最终结果 






策略回测区间：2014.01.01-2018.01.31 


回测资金：1000000 


回测频率：日级 


回测结果：红色曲线为策略收益率曲线，蓝色曲线为对应的基准指数收益率曲线 






策略源代码： 






import pandas as pd 


import numpy as np 


#==========================初始化函数================================ 


def initialize(account): 


    set_benchmark('399333.SZ')#设置中小板为基准 


    g.day = 0 #记录运行天数 


    g.tradeday = 20 #调仓频率 


    g.stock = [] #储存上期的股票池 


    g.trade = False #是否调仓的开关 


    g.stocknum = 10 #持仓数量 


    pass 


#==========================盘前运行================================ 


def before_trading_start(account,data): 


    #判断是否调仓 


    if g.day%g.tradeday==0: 


        g.trade=True 


    else: 


        g.trade=False 


    g.day=g.day+1 




----------------------- Page 108-----------------------


#===========================盘中交易============================== 


def handle_data(account, data): 


    if g.trade==True: 


        #获取选股结果 


        needstock_list = peg() 


        #获取上期持仓个股 


        holdstock_list = list(g.stock) 


        #确定本期需要卖出的个股 


        sell_list = list(set(holdstock_list)-set(needstock_list)) 


        #执行卖出操作，运用for 循环，逐个操作。 


        for s in sell_list: 


            order_target(s,0) 


        #确定本期需要买入的个股，其余即为继续持仓的个股 


        buy_list=[] 


        for i in needstock_list: 


            if i in holdstock_list: 


                pass 


            else: 


                buy_list.append(i) 


        #确定可用资金，平分分配至需买入的个股 


        n=len(buy_list) 


        cash=account.available_cash/n 


        #执行买入操作 


        for s in range(0,n,1): 


            stock=list(buy_list)[s] 


            order_value(stock,cash) 


        #操作完毕，将选股结果放到上期股票池储存变量中，以备下次使用。 


        g.stock = frozenset(needstock_list) 


    else: 


        pass 


#===================选股函数================================ 


def peg(): 


    date=get_last_datetime().strftime('%Y%m%d') 


    #获取非周期行业股票。 


    stock_list1=non_cyclical_industry(date) 


    #获取成长型股票池 


    stock_list2=growth_list(stock_list1,date) 


    #获取PEG 最小的 10 只股票 


    q =  


query(valuation.symbol,valuation.pe_ttm,growth.basic_eps_year_growth_ratio).filter(valuation.sym 


bol.in_(stock_list2)) 


    basic = get_fundamentals(q, date = date) 


    basic['PEG']=basic['valuation_pe_ttm']/basic['growth_basic_eps_year_growth_ratio'] 


    basic = basic[basic['PEG']>0] 


    basic = basic[basic['growth_basic_eps_year_growth_ratio']<=40] 


    basic = pd.DataFrame(basic).sort_values(by ='PEG', ascending=True) 


    basic.index=basic['valuation_symbol'] 




----------------------- Page 109-----------------------


    #获取股票的代码 


    needstock_list=[] 


    for s in range(0,g.stocknum,1): 


        needstock_list.append(list(basic.index)[s]) 


    return needstock_list 


#==================获取成长型股票池================== 


def growth_list(stk,date): 


    stock_num = int(len(stk)*0.5) 


    #获取净利润增长率和销售毛利率 


    q = query(valuation.symbol, 


                  growth.net_profit_growth_ratio, 


                  profit.net_profit_margin_on_sales).filter(valuation.symbol.in_(stk)) 


    basic = get_fundamentals(q, date = date) 


    for i in ['growth_net_profit_growth_ratio','profit_net_profit_margin_on_sales']: 


        basic = pd.DataFrame(basic).sort_values(by =i, ascending=False) 


        stockmax=list(basic.iloc[:stock_num]['valuation_symbol']) 


        stk=list(set(stk)&set(stockmax)) 


    return stk 


     


#=================获取非周期性行业个股 


def non_cyclical_industry(date): 


    #确定申万一级非周期行业 


    non_cyclical_industry_list =['S36',# 申万一级：纺织服装 


                                 'S45',# 申万一级：商业贸易 


                                 'S37',# 申万一级：医药生物 


                                 'S34',# 申万一级：食品饮料 


                                 'S42']# 申万一级：交通运输 


    stock_list=[] 


    #通过行业成分股获取函数，获取到股票池。 


    for i in non_cyclical_industry_list:        


        stk=get_industry_stocks(i,date) 


        for i in stk: 


            stock_list.append(i) 


    return stock_list 




----------------------- Page 110-----------------------