量化投资学习之【4】计算创业板平均市盈率

文章来源: 量化小课堂

市盈率(Price Earning Ratio),英文缩写为PE或P/E Ratio,指在一个考察期(通常为12个月的时间)内,股票的价格和每股收益的比例。

市盈率计算方法:

  市盈率=普通股每股市场价格 / 普通股每年每股盈利

每股盈利的计算方法,是该企业在过去12个月的净收入除以总发行已售出股数。市盈率越低,代表投资者能够以较低价格购入股票以取得回报。假设某股票的市价为24元,而过去12个月的每股盈利为3元,则市盈率为24/3=8。该股票被视为有8倍的市盈率,即每付出8元可分享1元的盈利。投资者计算市盈率,主要用来比较不同股票的价值。理论上,股票的市盈率愈低,愈值得投资。比较不同行业、不同国家、不同时段的市盈率是不大可靠的。比较同类股票的市盈率较有实用价值。

一般来说,市盈率水平为:

0--13:即价值被低估

14--20:即正常水平

21--28:即价值被高估

28+:反映股市出现投机性泡沫

附上代码

#coding:utf-8

import os
import pandas as pd

stock_code_list = []
for root, dirs, files in os.walk('./all_trading_data/stock data/'):
    if files:  #存在
        for f in files:
            if '.csv' in file:
                stock_code_list.append(f.split('.csv')[0])

for code in stock_code_list:
    if code[2] != '3':
        continue
    stock_data = pd.read_csv('/all_trading_data/stock data/' + code + '.csv',\
        parse_dates =[1])
    stock_data= stock_data[stock_data['PE_TTM'].notnull()]
    # 净利润 由 市值/PE_TTM 得到
    stock_data['net profit'] = stock_data['market_value'] / stock_data['PE_TTM']
    stock_data = stock_data[['code', 'date', 'market_value', 'net profit']]
    all_stock = all_stock.append(stock_data, ignore_index =True)


output['stock num'] = all_stock.groubpy('date').size()
output['ave PE'] = output['market_value'] / output['net profit']
#保存到csv文件
output.to_csv('创业板平均市盈率.csv', encoding='gbk')
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,590评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,808评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,151评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,779评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,773评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,656评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,022评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,678评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,038评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,756评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,411评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,005评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,973评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,053评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,495评论 2 343

推荐阅读更多精彩内容

  • 2014-11-10 12:30:17 考虑到所持的民生银行仓位比例过高, 今天我卖出一小部分民生银行股票。 这是...
    喝杯好茶阅读 1,556评论 0 6
  • 著名财经杂志《财富》对本书的评论是:如果你一生只读一本关于投资的著作,无疑就是这本《聪明的投资者》。 首先介绍一下...
    惜她阅读 6,799评论 0 34
  • 三千世界风韵事,承许当人至善知。 君在心头历历在,流星闪电瞬现时。 默默厮守好因缘,阴阳正负ns极。 梦念君之体相...
    真如自在阅读 316评论 2 3
  • 时光摇曳在枝头 流水载着落红去了远方 我在河边等待,影子爬上了岸 风停在耳边 等待 像被关进密闭的牢笼 迷茫 不仅...
    北屿丿阅读 254评论 2 10
  • 只要做过网赚的朋友,我相信都应该知道的,并且很多人也通过各种平台赚了不少钱,如果你接触网赚的时间还比较迟,那么就已...
    7fc181b3a798阅读 165评论 0 0