【08月02日】A股滚动市盈率PE历史新低排名

2010年至2019年期间,滚动市盈率历史新低的A股公司排名,涵盖房地产、医疗、制造等多个行业,详细列出了各公司的市盈率、市净率及股息等关键财务指标。

 

2010年01月01日 到 2019年08月02日 之间,滚动市盈率历史新低排名。
上市三年以上的公司,2019年08月02日市盈率在300以下的公司。
1 - XD栖霞建(SH600533) - 历史新低 - PE_TTM:7.83 - PB_TTM0.88 - 股息:3.0%- XD栖霞建(SH600533)的历史市盈率走势图
2 - 新城控股(SH601155) - 历史新低 - PE_TTM:5.68 - PB_TTM1.91 - 股息:5.76%- 新城控股(SH601155)的历史市盈率走势图
3 - 全筑股份(SH603030) - 历史新低 - PE_TTM:10.64 - PB_TTM1.56 - 股息:0.37%- 全筑股份(SH603030)的历史市盈率走势图
4 - 维力医疗(SH603309) - 历史新低 - PE_TTM:29.74 - PB_TTM3.39 - 股息:0.6%- 维力医疗(SH603309)的历史市盈率走势图
5 - 健盛集团(SH603558) - 历史新低 - PE_TTM:14.54 - PB_TTM1.2 - 股息:0.6%- 健盛集团(SH603558)的历史市盈率走势图
6 - 隆鑫通用(SH603766) - 历史新低 - PE_TTM:8.59 - PB_TTM1.19 - 股息:1.84%- 隆鑫通用(SH603766)的历史市盈率走势图
7 - 歌力思(SH603808) - 历史新低 - PE_TTM:11.93 - PB_TTM1.86 - 股息:3.91%- 歌力思(SH603808)的历史市盈率走势图
8 - 新澳股份(SH603889) - 历史新低 - PE_TTM:14.31 - PB_TTM1.27 - 股息:2.98%- 新澳股份(SH603889)的历史市盈率走势图
9 - 银龙股份(SH603969) - 历史新低 - PE_TTM:22.37 - PB_TTM2.11 - 股息:2.28%- 银龙股份(SH603969)的历史市盈率走势图
10 - 荣安地产(SZ000517) - 历史新低 - PE_TTM:7.16 - PB_TTM1.63 - 股息:0.72%- 荣安地产(SZ000517)的历史市盈率走势图
11 - 福星股份(SZ000926) - 历史新低 - PE_TTM:5.67 - PB_TTM0.57 - 股息:1.52%- 福星股份(SZ000926)的历史市盈率走势图
12 - 塔牌集团(SZ002233) - 历史新低 - PE_TTM:7.11 - PB_TTM1.34 - 股息:8.02%- 塔牌集团(SZ002233)的历史市盈率走势图
13 - 国创高新(SZ002377) - 历史新低 - PE_TTM:11.93 - PB_TTM0.72 - 股息:0.0%- 国创高新(SZ002377)的历史市盈率走势图
14 - 艾格拉斯(SZ002619) - 历史新低 - PE_TTM:8.81 - PB_TTM0.88 - 股息:0.32%- 艾格拉斯(SZ002619)的历史市盈率走势图
15 - 国光股份(SZ002749) - 历史新低 - PE_TTM:17.75 - PB_TTM4.15 - 股息:1.22%- 国光股份(SZ002749)的历史市盈率走势图
16 - 建新股份(SZ300107) - 历史新低 - PE_TTM:6.94 - PB_TTM2.67 - 股息:3.64%- 建新股份(SZ300107)的历史市盈率走势图
17 - 吉药控股(SZ300108) - 历史新低 - PE_TTM:15.83 - PB_TTM1.49 - 股息:1.0%- 吉药控股(SZ300108)的历史市盈率走势图
18 - 金科文化(SZ300459) - 历史新低 - PE_TTM:11.44 - PB_TTM1.3 - 股息:1.42%- 金科文化(SZ300459)的历史市盈率走势图
19 - 淮北矿业(SH600985) - 比以往 99.97% 的日期都低 - PE_TTM:5.34 - PB_TTM1.36 - 股息:4.58%- 淮北矿业(SH600985)的历史市盈率走势图
20 - 盛通股份(SZ002599) - 比以往 99.95% 的日期都低 - PE_TTM:23.01 - PB_TTM1.83 - 股息:0.56%- 盛通股份(SZ002599)的历史市盈率走势图
21 - 新野纺织(SZ002087) - 比以往 99.93% 的日期都低 - PE_TTM:7.44 - PB_TTM0.77 - 股息:1.33%- 新野纺织(SZ002087)的历史市盈率走势图
22 - 中信国安(SZ000839) - 比以往 99.91% 的日期都低 - PE_TTM:7.42 - PB_TTM1.59 - 股息:1.32%- 中信国安(SZ000839)的历史市盈率走势图
23 - 美盈森(SZ002303) - 比以往 99.91% 的日期都低 - PE_TTM:16.64 - PB_TTM1.47 - 股息:4.57%- 美盈森(SZ002303)的历史市盈率走势图
24 - 富安娜(SZ002327) - 比以往 99.91% 的日期都低 - PE_TTM:11.27 - PB_TTM1.67 - 股息:7.35%- 富安娜(SZ002327)的历史市盈率走势图
25 - 中原内配(SZ002448) - 比以往 99.91% 的日期都低 - PE_TTM:11.55 - PB_TTM1.18 - 股息:1.87%- 中原内配(SZ002448)的历史市盈率走势图
26 - 花园生物(SZ300401) - 比以往 99.91% 的日期都低 - PE_TTM:20.36 - PB_TTM3.79 - 股息:0.97%- 花园生物(SZ300401)的历史市盈率走势图
27 - 东阿阿胶(SZ000423) - 比以往 99.9% 的日期都低 - PE_TTM:11.48 - PB_TTM1.83 - 股息:2.74%- 东阿阿胶(SZ000423)的历史市盈率走势图
28 - 柏堡龙(SZ002776) - 比以往 99.9% 的日期都低 - PE_TTM:24.51 - PB_TTM2.11 - 股息:0.72%- 柏堡龙(SZ002776)的历史市盈率走势图
29 - 天喻信息(SZ300205) - 比以往 99.9% 的日期都低 - PE_TTM:33.8 - PB_TTM3.92 - 股息:0.81%- 天喻信息(SZ300205)的历史市盈率走势图
30 - 友阿股份(SZ002277) - 比以往 99.88% 的日期都低 - PE_TTM:10.31 - PB_TTM0.67 - 股息:1.52%- 友阿股份(SZ002277)的历史市盈率走势图
本策略只是根据最新的数据来选股,完全无人工参与的过程,所以并不能对接下来的利润或业绩做预测,因此请结合个股基本面一起来看。
如有任何疑问,请留言咨询。如果喜欢本推荐,也请多帮忙转发和分享,十分感谢。
$浦发银行(SH600000)$ $白云机场(SH600004)$ $东风汽车(SH600006)$
来源:乌龟量化 androidinvest.com/CNHistoryPETop/

转载于:https://www.cnblogs.com/xunziji/p/11290795.html

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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