股票市净率在哪里看?数值高低代表什么?

股票市净率在哪里看?数值高低代表什么?

市净率是个啥?

市净率(PB)就是股价除以每股净资产得到的比值。说白了,就是看看你花多少钱能买到公司一块钱的净资产。公式长这样:

市净率(PB) = 股价 / 每股净资产

这个指标特别适合用来评估银行、保险、券商这类"资产密集型"企业。你想啊,这些公司主要靠钱生钱,资产规模就是他们的命根子。

哪里能找到市净率?

现在看市净率简直不要太方便:

  1. 炒股软件:同花顺、东方财富这些,个股页面直接就有PB显示
  2. 财经网站:雪球、新浪财经,输入股票代码就能查
  3. 券商APP:比如华泰的涨乐财富通,数据都很全
  4. 交易所官网:上交所、深交所官网也能查到原始数据

我平时习惯用同花顺,按F10进基本面,在"估值分析"那栏一眼就能看到。最近发现支付宝的理财页面也能查,对新手特别友好。

市净率高低说明啥?

PB>1:股价比净资产贵

说明市场看好这家公司,愿意给溢价。比如茅台PB常年8倍以上,大家觉得它品牌值钱、赚钱能力强。但要注意是不是炒过头了。

PB=1:股价等于净资产

相当于按公司账面价值买卖,这种情况现在很少见了。

PB<1:破净

股价比净资产还便宜,俗称"破净股"。可能因为:

  • 行业不景气(比如现在的房地产)
  • 公司确实不行
  • 市场情绪极度悲观

但破净不一定是捡便宜,得看净资产质量。有些公司账上全是存货和应收账款,实际可能一文不值。

市净率怎么用才靠谱?

  1. 看行业:科技股PB普遍高,银行股普遍低,不能跨行业比
  2. 看趋势:自己和自己比,看看历史分位
  3. 结合ROE:高PB配高ROE才合理,不然就是泡沫
  4. 注意净资产质量:有些公司净资产水分大,PB再低也别碰

举个栗子,招商银行PB1.2倍,宁波银行PB1.05倍,看起来宁波银行更便宜?但招行ROE更高,所以市场愿意给更高溢价。

几个实用技巧

  1. 选股时可以设PB条件:比如找PB<1且连续5年ROE>10%的
  2. 警惕超低PB陷阱:像某些钢铁股PB0.5倍,但可能永远涨不起来
  3. 牛市末期小心高PB股:2015年创业板平均PB炒到15倍,后来你懂的...

最后提醒下,没有哪个指标是万能的。我见过PB只有0.3倍但退市的股票,也见过PB20倍还一直涨的牛股。关键还是理解数字背后的商业逻辑。

### 使用 Tushare 股票数据库生成热力图和雷达图的方法及代码示例 #### 热力图的生成方法及代码示例 热力图可以用来展示股票之间的相关性矩阵。以下是如何从 Tushare 数据库中获取数据并生成热力图的示例。 1. **安装 Tushare 和其他依赖库** 首先需要确保安装了 Tushare、Pandas 和 Seaborn 库。 ```bash pip install tushare pandas seaborn matplotlib ``` 2. **代码实现** 下面是一个完整的代码示例,展示如何使用 Tushare 获取股票日收益率数据,并生成相关性热力图。 ```python import tushare as ts import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 设置 Tushare 的 API Token ts.set_token('your_tushare_token_here') # 替换为你的 Tushare Token pro = ts.pro_api() # 获取股票的日线数据 def get_stock_returns(stock_list, start_date, end_date): all_data = [] for stock in stock_list: df = pro.daily(ts_code=stock, start_date=start_date, end_date=end_date) df['pct_chg'] = df['pct_chg'] / 100 # 将百分比转换为小数 df = df[['trade_date', 'pct_chg']].set_index('trade_date') df.columns = [stock] all_data.append(df) return pd.concat(all_data, axis=1).dropna() # 定义股票列表和日期范围 stock_list = ['600519.SH', '000858.SZ', '601318.SH', '000333.SZ'] start_date = '20220101' end_date = '20230101' # 获取日收益率数据 returns = get_stock_returns(stock_list, start_date, end_date) # 计算相关性矩阵 corr_matrix = returns.corr() # 绘制热力图 plt.figure(figsize=(10, 8)) sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.2f') plt.title('Stock Correlation Heatmap') plt.show() ``` 上述代码通过 Tushare 获取指定股票的日收益率数据,并计算它们的相关性矩阵,最后用 Seaborn 绘制热力图[^1]。 --- #### 雷达图的生成方法及代码示例 雷达图可以用来对比不同股票的关键指标,例如市盈率(PE)、市净率(PB)、股息率等。 1. **代码实现** 下面是一个完整的代码示例,展示如何使用 Tushare 获取股票的基本面数据,并生成雷达图。 ```python import tushare as ts import numpy as np import matplotlib.pyplot as plt from math import pi # 设置 Tushare 的 API Token ts.set_token('your_tushare_token_here') # 替换为你的 Tushare Token pro = ts.pro_api() # 获取股票的基本面数据 def get_stock_fundamentals(stock_list): data = {} for stock in stock_list: df = pro.fina_indicator(ts_code=stock) pe_ratio = df.iloc[0]['pe_ttm'] # 市盈率 pb_ratio = df.iloc[0]['pb'] # 市净率 dividend_yield = df.iloc[0]['dv_ttm'] # 股息率 volatility = np.random.uniform(5, 20) # 模拟波动率 data[stock] = [pe_ratio, pb_ratio, dividend_yield, volatility] return data # 定义股票列表 stock_list = ['600519.SH', '000858.SZ', '601318.SH'] # 获取基本面数据 stock_data = get_stock_fundamentals(stock_list) # 准备雷达图数据 labels = ['PE Ratio', 'PB Ratio', 'Dividend Yield', 'Volatility'] angles = [n / float(len(labels)) * 2 * pi for n in range(len(labels))] angles += angles[:1] # 绘制雷达图 fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True)) for stock, values in stock_data.items(): values += values[:1] ax.plot(angles, values, linewidth=2, label=stock) ax.fill(angles, values, alpha=0.25) # 设置标签 ax.set_theta_offset(pi / 2) ax.set_theta_direction(-1) ax.set_xticks(angles[:-1]) ax.set_xticklabels(labels) ax.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1)) plt.title('Stock Fundamental Comparison Radar Chart') plt.show() ``` 上述代码通过 Tushare 获取股票的基本面数据,并将其绘制为雷达图,用于比较不同股票在多个维度上的表现[^2]。 --- ### 注意事项 - 在实际应用中,可能需要对数据进行清洗和预处理,例如处理缺失值或异常值。 - 如果数据量较大,建议分批获取以避免超出 Tushare 的接口调用限制。 - 雷达图中的不同指标可能具有不同的量纲,因此在绘制前可能需要对数据进行归一化处理。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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