量子咸鱼估值系统的实现python资金产生的利润=分配资金/成分股PE

 

“咸鱼估值系统”正式上线啦

 

本以为啥就是这个,看看吧,看着就像公式而已。。。在雪球我第一次提起了我的“咸鱼估值系统”,在当时我的咸鱼估值系统还在研发调试阶段,现在已经正式上线啦,后面会逐步扩充指数覆盖范围,覆盖指数主要是:我看好的指数+我有持仓的指数

这里对我的“咸鱼估值系统”进行一下简单介绍:

1.咸鱼估值系统的实现:

我的咸鱼估值系统是我自己用python一行一行代码亲自开发的“咸鱼估值系统”正式上线啦“咸鱼估值系统”正式上线啦,虽然我大学也是学的计算机专业,但是由于一些特殊原因,大学的专业课学的非常一般,毕业后又一直就职于某央企,算是彻底脱离了IT行业,所以我最多也只能算半个程序员“咸鱼估值系统”正式上线啦,已经很多年没有写代码的我,现在重新亲自开发一个系统也是非常不容易“咸鱼估值系统”正式上线啦
2.数据来源:

成分股的PE、PB、PS数据来自于开源接口,指数估值需要的指数成分股和权重数据来自于wind,之前因为wind免费版不再提供指数的成分股和权重数据了,付费版想要获取这个数据,要承担1W/年的费用,对于目前也是普通上班族并不富裕的我来说也是非常昂贵的“咸鱼估值系统”正式上线啦,所以之前估值系统的调试被耽搁了,后来通过不懈努力,算是找到了便宜一些的渠道,因为渠道也不是很合规,所以不细讲啦“咸鱼估值系统”正式上线啦

3.咸鱼估值系统的特点:

a.指数估值基于成分股权重

我们常用的指数估值网站基本都是基于wind或者choice的数据源,对于策略加权型指数的估值是不准确的。wind的指数估值是采用整体法,简单来说就是指数整体市值除以对应的净利润之和,这里举个简单例子来说明:

假设指数A有成分股A、成分股B、成分股C

成分股A:

市值100亿,净利润10亿,PE=10

成分股B:

市值50亿,净利润10亿,PE=5

成分股C:

市值50亿,净利润2亿,PE=25

那么采用整体法,

指数PE=(100+50+50)/(10+10+2)=9.09

这与市值加权的印象是吻合的,成分股市值占比越大,指数整体的估值就会和其估值越接近。

但是,我们跟踪的指数中有很多策略加权型指数,其成分股权重并非根据市值大小,而是根据各种策略因子来分配权重的,比如等权重因子就是各成分股权重相等,那么在这个例子中:

成分股A:

市值100亿,净利润10亿,PE=10,权重=1/3

成分股B:

市值50亿,净利润10亿,PE=5,权重=1/3

成分股C:

市值50亿,净利润2亿,PE=25,权重=1/3

现在假设我们有资金1份,那么分配到成分股A,B,C上的资金都是1/3份

分配到具体某一成分股上的资金产生的利润=分配资金/成分股PE

那么分配在成分股A上的资金产生的利润为:(1/3)/10=1/30

分配在成分股B上的资金产生的利润为:(1/3)/5=1/15

分配在成分股C上的资金产生的利润为:(1/3)/25=1/75

1份资金共产生利润:1/30+1/15+1/75=17/150

那么对应市盈率:PE=1/总利润=150/17=8.82,

与前面整体法计算得出的9.09已经产生差距,再考虑极端情况,比如指数采用的是价值因子,PE更低的成分股B权重为70%,成分股A权重为20%,成分股C权重为10%

那么1份资金产生的利润总和:

0.2/10+0.7/5+0.1/25=0.164

指数整体PE=1/0.164=6.10倍,与前面整体法计算得出的9.09差距更大了

对于市场上大多数市值加权型的指数,虽然可能受到“权重上限、调整股本”的影响,但总体上来说采用wind的整体法计算出来的估值指标还是大体可靠的,但是对于策略加权型指数来说,整体法就不适用了,再不考虑策略权重就说不过去了“咸鱼估值系统”正式上线啦

这里先贴一下咸鱼估值系统最新的估值数据表:

“咸鱼估值系统”正式上线啦

 

截止4月30日收盘,对比一下估值数据:

I.市值加权型指数:

中证银行PE:

某通估值数据:5.90倍

咸鱼估值系统:5.96倍,总体差不多

证券公司PE:

某通估值数据:26.77倍

咸鱼估值系统:26.53倍,总体差不多

再对比一下中证消费:

某通估值数据:30.17倍

咸鱼估值系统:26.95倍

已经开始产生差别,但是总体上还是接近的

II.再看一下策略加权型指数:

养老产业PE:

某通估值数据:20.63倍

咸鱼估值系统:41.09倍

已经可以看到明显误差“咸鱼估值系统”正式上线啦

总结一下就是:

I.大部分估值网站数据都差不多,因为他们数据源都是来自wind/choice;

II.如果是市值加权型指数,参考普通估值网站数据大体上是可靠的;

III.如果是策略加权型指数,参考普通估值网站数据是不可靠的,必须考虑策略权重因素;

b.历史估值百分位基于当前资产包的历史回溯

如果把指数持有的标的看成一个资产包,那么可以得到显而易见的结论:

I.当指数成分股或者成分股权重发生变化时,资产包就发生了变化。

II.历史百分位估值法本质是针对指数当前持有的资产包的历史估值数据来计算得出估值水位高低。

因此,在计算指数估值百分位时,不应该比较指数自身的历史估值数据,而是应该按照当前指数持有的成分股并按当前权重加权后,与其历史情况进行比较

c.估值百分位基于历史7年估值数据

这一点没有一个明确的标准,因为历史区间取得太短,容易受到阶段性行情影响,历史区间取得太长,容易忽略指数估值中枢的移动。比如,中证银行指数,如果取十几年前的估值数据,参考意义就不大,当时中国GDP增速还很高,银行ROE也远高于现在,估值中枢自然也比现在高,如果还参考十几年前的估值数据,未免刻舟求剑了,这里我们选取7年跨度,主要是考虑到A股的牛熊周期大概是7年,跑完一轮完整牛熊周期的估值数据大概率具有较好的参考价值。

d.DIY估值指标权重计算综合估值水位

计算得到指数整体的PE、PB、PS三大估值历史百分位后,如何得到指数整体的综合估值水位,这是一个见仁见智的问题。这取决于你对指数持有标的的行业属性或者估值特征的把握上,你可以直接简单的将三个估值指标平均一下,得出指数的综合估值水位,也可以给各个指标一个权重,自己计算得出一个综合估值水位,在我的咸鱼估值系统中,我是根据我自己对指数持有标的的行业属性结合估值特点,赋予不同的权重,然后对各指标加权后计算指数的综合估值水位,但这会有很大的主观性,比如中证银行:

PE水位:22.45%,PS水位:9.79%,PB水位:0.23%

因为我觉得银行业应该用PB来估值,所以赋予PE/PS/PB的权重是:0%,0%,100%,得出中证银行的综合估值水位:0.23%,当然如果你觉得银行业估值也需要考虑PE,那么完全可以自己DIY权重,比如赋予PE/PS/PB的权重是:50%,0%,50%,得出中证银行的综合估值水位:11.34%,权重的赋予完全可以依据自己的判断,这也是为什么我会把各个估值指标的百分位都展示出来,这样会让你参考咸鱼估值系统的时候有更大的自由度

e.给出场内、场外跟踪基金的推荐

在最后两列给出了跟踪该指数的基金的推荐,场内、场外各1只,推荐跟踪基金标的,会综合考虑费率、规模等因素,如果实在没有合适的标的,会直接填“无”,推荐标的信息会根据市场上现有的基金情况进行动态更新。

f.用不同颜色标记指数估值的高低

结合指数的综合估值水位以及PE的绝对值,来判断指数处于低估、合理、高估状态,低估用绿色、合理用黄色、高估用红色,这个同样没有明确的标准,估值高低的划分仅供参考,参考咸鱼估值系统的时候,你也可以加入自己的判断。

总之,没有一个完美的估值系统,“咸鱼估值系统”也需要不断的完善,咸鱼估值系统会尽量做到每周1次更新

欢迎关注同名公众号:“量子咸鱼”

$易方达消费行业(F110022)$ $汇添富中证主要消费ETF联接(F000248)$ $招商中证白酒指数(F161725)$



相关推荐