使用JQData查询估值指标

一、估值的方法有哪些？

如何对企业进行估值？有2个方法估算。

1.1绝对估值法

它是一种定价模型，用于计算企业的内在价值。

比如说你可以根据公司近N年的现金流情况。借此去预测未来N年的现金流情况。所有的现金流数据都可以在年报上查询到。最后按照预测的数据进行折现，也就是算出未来5-10年的价格换算到今天是多少钱，来判断当前的股价是贵还是便宜。它是贵还是便宜会决定我是买还是不买。

因为一个公司如果越值钱，它的股价就越贵，但这个不是绝对的，对于投资者来说，我们就是要找到公司价值很不错。但是股价没有那么高的公司。这个就是赚钱的关键。利用公司本身的价值和它在市场上价值的差价赚钱。这也是巴菲特所说的“价值投资了”。但是在绝对估值方法里面有个很重要的指标叫做折现率。折现率可以理解为未来的钱转换为现在的钱对应的百分比。折现率取决于你对市场的判断，它是主管和客观揉合的结果。

折现率的值设定不同，会导致最后计算企业价值不同。

这个折现率是直接影响企业价值的。企业价值还和什么有关系呢？

将预估的企业价值除以股本数，得到的是预估的每股价值。通过预估的每股价值和市场上当前的每股市值，就可以指导我们选择股票的决策了，预估的价值相对市场价值越多，就值得买入。

绝对估值法比较通过折现率来判断，主观判断更多。我们很难利用这样的模型做出准确的判断。所以我们在市场上常用的方法叫做“相对估值法”。

1.2相对估值法

相对估值法主要有这些指标，PE市盈率、PB市净率、PS市销率。

为什么叫做相对估值，因为上述指标的高低取决于同行业其他公司的。它是通过比较来计算的。

滚动市盈率 是最常用的，它是近4个季度总净利润的添加。所以相对来说，它是最准确的数据。

二、获取估值数据

打开文档，找到"财务及估值数据"

https://www.joinquant.com/help/api/help#name:JQData

get_fundamentals(query_object, date=None, statDate=None)

2.1基本指标

接着我们来了解一下它返回的数据。返回了

• “股票代码”：带后缀.XSHE/.XSHG

• “日期”：取数据的日期

• “总股本”：公司已发行的普通股股份总数(包含A股，B股和H股的总股本)

• “流通股本”，流通代表的是可以交易的。

• “总市值”：总市值=当前收盘价*总股本

• “流通市值”：流通市值 =当前收盘价* 流通股本

• “换手率”：它表示股票转手买卖的频率。在牛市当中， 大家的换手率会很高，因为投机行为会增多，大家都希望通过不断的交易区获取收益。

2.2估值指标

• 市盈率(PE, TTM)：滚动市盈率
• 市盈率(PE)：静态市盈率
• 市净率(PB)：每股股价与每股净资产的比率
• 市销率(PS, TTM)：市销率为股票价格与每股销售收入之比，市销率越小，通常被认为投资价值越高。
• 市现率(PCF, 现金净流量TTM)：每股市价为每股现金净流量的倍数

三、实战

import datetime
#获取股票估值数据
df = get_fundamentals(query(valuation), statDate=datetime.datetime.today())
print(df)

valuation 表示获取估值的指标。

运行结果：

可以看到：它会返回当天的所有企业的估值指标。

到这里我们就获得了所有股票市值和估值相关的数据。

为什么把市值和估值放在一起呢？因为估值数据等于市值数据除以利润、现金流等数据得到的。

在选股的时候，我们会把估值指标用来衡量股票的性价比。比如说，我们上节课选择了一些公司成长性盈利性不错的企业，这时假如我想买入几家公司的股票，我还会去看它的pe市盈率是多少，我会希望这家公司的pe相对较低，也就是估值相对低，这样未来的成长空间会更大。

所以如果我想把pe的条件也加入到筛选的代码里面，应该如何实现呢？

我们使用code作为匹配的标准，当它们的code(股票代码)一样，我就把pe_ratio这一列数据组合进去就好了。

#获取股票的财务指标数据
df = get_fundamentals(query(indicator), statDate='2020')

#基于盈利指标选股1. eps 2. operating_profit 3. roe 4. inc_net_profit_year_on_year
df = df[(df['eps']>0) & (df['operating_profit']>214406045.5) & (df['roe']>11) & (df['inc_net_profit_year_on_year']>10)] 
df.index = df['code']

import datetime
#获取股票估值数据
df_valuation = get_fundamentals(query(valuation), statDate=datetime.datetime.today())
df_valuation.index = df_valuation['code']

df['pe_ratio'] = df_valuation['pe_ratio']
print(df)

通过打印出来的结果可以看到，它将通过索引匹配，将‘pe_radio’合并进去了

你可以发现 简单的通过把“code”设置为索引，就可以简单的匹配字段的信息。有了合并的df后，我们又可以在他的基础上筛选了

#获取股票的财务指标数据
df = get_fundamentals(query(indicator), statDate='2020')

#基于盈利指标选股1. eps 2. operating_profit 3. roe 4. inc_net_profit_year_on_year
df = df[(df['eps']>0) & (df['operating_profit']>214406045.5) & (df['roe']>11) & (df['inc_net_profit_year_on_year']>10)] 
df.index = df['code']

import datetime
#获取股票估值数据
df_valuation = get_fundamentals(query(valuation), statDate=datetime.datetime.today())
df_valuation.index = df_valuation['code']

df['pe_ratio'] = df_valuation['pe_ratio']
df = df[df['pe_ratio']<50]
print(df)

通过结果可以看到：晒出来的股票明显少了一些，并且这些企业的市盈率都是小于50的

这就是关于怎样获取估值指标，并且利用估值指标进行筛选，以及如果整合财务数据和估值数据来进行筛选的方法。

转载请注明：虚坏叔叔 » Python量化交易实战-09使用get_fundamentals查询估值指标