进一步说市盈率的问题

(372)回复:说说市盈率的问题
老股民兄,个人认为,市盈率的问题上,不应该是考虑到多少年收回本金的概念。应该综合考虑一个公司的成长性和诚信程度以及公司的财务稳健性和持续性。其实老股民兄的这个对市盈率的解释,个人认为应该是公司分红加盈利增长幅度来计算。可是有些公司并不能用这个方式来计算的。比如一个公司符合增长率20%,那么实际上不考虑股价增长的情况下,仅仅考虑分红(分红率50%)就没有问题的。可是如果一个公司增长率为负的,分红收益在你买的时候是8%左右,它依然在十年之后是亏损的一笔买卖。因为通胀率也是复合增长的。而你的投资公司增长率则让你无法抵御通胀的侵蚀。所以,个人认为市盈率仅仅只是一种相对衡量标准,它对于投资的唯一作用就是在判断公司发展的时候,不要让自己头脑发胀,而应该给自己一个安全边际。至于说投资的收益率和市盈率的判断最好分开,而不应该因为预期收益率多少,就给予多少倍的pe进行购买。实际上个人认为,很多计算由于缺乏复合增长概念偏差是很大的。所以就公司投资来说,公司的盈利增长应该比pe重要,至于说pe,个人是当作一个绝对标准来进行评估买入时机的。除非一个公司可以做到纯粹分红达到8%的复合收益率。

发布者:道听途说

 

※呵呵,很显然,道兄误解了我对于市盈率的描述,同时我也发现有很多人都有着如此的疑惑。当然,这是因为我还没有说清楚的原因,因为我昨天的市盈率问题是单纯的市盈率问题,是从投资回报率为基础而得出的市盈率底线。

所以,今天我有必要加以补充,否则有人以为只要是市盈率低的就值得投资,那么就是我的误导了。

我的这个由投资回报率引伸出的市盈率投资底线是原则,而且我觉得这是两个不可分割的前因后果。但是,我这个市盈率的概念并不是指当期市盈率,而是指未来的、预期的动态市盈率。这一点请大家务必注意。

 

比如说目前宁波联合(600051)的当期市盈率为12倍,招商银行(600036)的当期市盈率为78倍,两者相差6倍多,但我并不认为宁波联合就更值得投资,反而是存在着某种风险。这就是未来预期的原因,这就是成长性的原因,所以就需要加上未来成长性的预期,炒股票就是炒预期。所以说,预期市盈率比当期市盈率更重要。

为了说明这个问题,我还是用我的那个公式计算为说明问题吧。

假设1A公司06年每股净利润1元,目前股价为100元,当期市盈率为100倍。根据各方面趋势判断,公司未来三年的增长率在100%左右,三年以后的两年有可能继续年增长50%左右。试计算A公司的内在价值。

假设2B公司06年每股净利润1元,目前股价为10元,当期市盈率为10倍,根据各方面趋势判断,公司07年业绩将降低50%左右,公司08年业绩将继续降低20%左右,09年将继续降低20%左右,10年以后行业景气度将有所提高,业绩将提高30%以上。试计算B公司的内在价值。

假如你机械的按照市盈率来投资,那么你就有可能会选择10倍市盈率的B公司,而不会去选择100倍市盈率的A公司,你说对不对?我们现在就采用我的那个公式来计算一下他们彼此的内在价值,看看究竟是哪一个更值得投资?

 

内在价值的计算公式为:10*每股利润*1+第一年增长率)*1+第二年增长率)*1+第三年增长率)*1+综合性系数)=内在价值。

两家公司的未来三年增长率系数已经有了,我们现在就给予他们一个综合性系数,考虑到A公司的前景比较好,三年以后的成长性还是比较高的,所以就给予A公司80%的综合性系数。考虑到B公司虽然连续三年的业绩下降,但第四年以后将有所增长,所以就给予综合性系数100%。代入公式:

A公司内在价值=10*1*2*2*2*1.80=144元。

B公司内在价值=10*1*0.50*0.80*0.80*2=6.40元。

计算结果,A公司的内在价值为144元,B公司的内在价值为6.40元。那么,如此,这两家公司的投资价值不就一目了然了。

通过计算结果,从投资的角度来说,我可以接受100倍市盈率的A公司,而不能接受10倍市盈率的B公司,因为,100倍市盈率的A公司比较安全,10倍市盈率的B公司并不安全。

当然,假如你准备进行投机一把年报行情,那么显然B公司更具备投机价值,也比较安全。近日南钢股份的走强是不是就说明了这一点呢?所以说,炒股票是艺术不是科学。

呵呵,当然,我这是个极端的例子,喜欢追牛角尖的朋友可不要就事论事哦。

 

其实,我知道,有很多人根本就不重视我的那个计算公式,或者说根本就还没有理解,这是非常可惜的。通过这一次的解释,我想会有更多人能够进一步认识到的。你想想,目前的市场成功人士,有谁愿意公开自己的核心秘密?

在这里我有必要提醒一下朋友们,我的这个计算公式是为了取得比较价值,并不是意味着在这个内在价值以内就可以买进的价格。因为还有着很多的因素需要考虑,比如说市场趋势、行业景气度的不确定性,市场的投机因素等等。

 

这一次不知道我说清楚了没有?

 

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
<think>嗯,用户想了解如何使用AkShare获取每日市盈率的数据。首先,我需要回忆一下AkShare的文档和相关函数。记得AkShare是一个金融数据接口库,提供各种市场数据。市盈率数据可能属于股票基本面数据,可能需要查找对应的API函数。 然后,用户需要的是每日市盈率,所以应该关注每日更新的数据。AkShare中可能有一个函数,比如stock_zh_a_pe()或者类似的名称。需要确认这个函数是否存在,参数是什么。比如是否要指定股票代码,或者是否支持获取整个市场的市盈率数据。 接下来,用户可能需要示例代码。我需要构造一个简单的Python脚本,展示如何调用这个函数,处理返回的数据,比如转换为DataFrame,处理日期格式,保存到Excel或CSV。同时,可能还需要处理一些常见问题,比如数据更新频率、字段含义的解释。 另外,用户可能不太清楚如何安装和导入AkShare,所以在教程中应该包含安装步骤,比如pip install akshare --upgrade。还要注意网络问题,可能需要设置重试机制或代理。 还要考虑用户可能的进阶需求,比如数据可视化或指标计算,可以建议使用pandas和matplotlib进行简单的绘图,或者结合其他库进行数据分析,比如计算移动平均线。同时,引用站内的相关资源,比如金融数据处理或策略回测的内容,帮助用户进一步应用数据。 最后,确保代码符合Python最佳实践,比如使用try-except处理异常,添加注释明每一步的作用。检查是否有过时的API,因为AkShare有时会更新接口,需要确认函数名和参数是否正确。如果有不确定的地方,建议用户查阅官方文档或社区支持。</think>### 使用 AkShare 获取每日市盈率数据教程 #### 1. 安装 AkShare 首先确保已安装最新版 AkShare: ```bash pip install akshare --upgrade ``` #### 2. 获取沪深 A 股市盈率数据 使用 `stock_a_pe` 函数获取全市场市盈率数据(含静态和动态市盈率): ```python import akshare as ak # 获取最新交易日数据 pe_df = ak.stock_a_pe() print(pe_df.head()) # 输出字段明: # 日期 date | 静态市盈率 pe_ttm | 动态市盈率 pe_lyr | 股票代码 symbol(空值表示全市场均值) ``` #### 3. 获取单只股票历史市盈率 通过 `stock_zh_a_hist` 获取历史数据(含市盈率字段): ```python # 示例:获取贵州茅台(600519)历史数据 stock_hist = ak.stock_zh_a_hist(symbol="600519", period="daily", adjust="hfq") # 提取市盈率字段 pe_ratio = stock_hist[['日期', '市盈率']] print(pe_ratio.tail()) ``` #### 4. 数据存储与可视化 ```python # 保存到 Excel pe_df.to_excel("stock_pe.xlsx", index=False) # 绘制市盈率走势图 import matplotlib.pyplot as plt plt.figure(figsize=(12,6)) plt.plot(pd.to_datetime(pe_df['日期']), pe_df['pe_ttm'], label='全市场静态市盈率') plt.title('沪深A股市盈率趋势') plt.legend() plt.show() ``` #### 注意事项: 1. 数据更新频率:每日收盘后更新(约 18:00) 2. 网络问题处理建议: ```python import requests session = requests.Session() session.verify = False # 关闭 SSL 验证(如遇证书错误) pe_df = ak.stock_a_pe(session=session) ``` 3. 字段异常处理:部分新上市股票可能暂无比率数据[^3]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值