Home >  > PEG策略选股

PEG策略选股

0
| |

一、策略介绍
PEG指标是彼得.林奇发明的一个股票估值指标，是在PE估值的基础上发展起来的，它弥补了PE对企业动态成长性估计的不足。
当时彼得.林奇在选股的时候就是选那些市盈率较低，同时它们的增长速度又是比较高的公司，这些公司有一个典型特点就是PEG会非常低。
就是用市盈率/公司的年盈利增长速度。
每月调一次仓。

二、回测结果
2006-06-01 到 2016-12-31，收益还可以，但回撤太大。

三、代码

查看源代码
打印帮助
1# 导入函数库
2from jqdata import *
3import pandas as pd
4 
5# 设定最大显示行数、列数为10000
6pd.set_option('display.max_columns', 10000)
7 
8 
9# 初始化函数，设定基准等等
10def initialize(context):
11    # 设定沪深300作为基准
12    set_benchmark('000300.XSHG')
13    # 开启动态复权模式(真实价格)
14    set_option('use_real_price', True)
15    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
16    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
17    # 输出内容到日志 log.info()
18    log.info('初始函数开始运行......')
19     
20    #获取指数成份股（沪深300）
21    g.security = get_index_stocks('000300.XSHG')
22    g.N = 20
23 
24    #每月运行一次,1表示每月的第1个交易日
25    run_monthly(handle,1)
26     
27     
28def handle(context):
29    #取出沪深300股票代码、市盈率、净利润同比增长率
30    df = get_fundamentals(query(valuation.code, valuation.pe_ratio, indicator.inc_net_profit_year_on_year).filter(valuation.code.in_(g.security)))
31    #选择市盈率>0 以及净利润同比增长率>0的股票
32    df = df[(df['pe_ratio']>0) & (df['inc_net_profit_year_on_year']>0)]
33    #计算PEG
34    df['PEG'] = df['pe_ratio']/df['inc_net_profit_year_on_year']/100
35    #排序，取前20个
36    df = df.sort_values('PEG')[:g.N]
37    #要持有的股票列表
38    tohold = df['code'].values
39 
40    for stock in context.portfolio.positions:
41        if stock not in tohold:
42            order_target_value(stock,0)
43             
44    #要买入的股票列表
45    tobuy = [stock for stock in tohold if stock not in context.portfolio.positions]
46     
47    if len(tobuy)>0:
48        print("buying")
49        cash = context.portfolio.available_cash
50        cash_every_stock = cash/len(tobuy)
51         
52        for stock in tobuy:
53            order_value(stock,cash_every_stock)
54            log.info('买入股票')
55    log.info('##############################################################')

暧昧帖

本文暂无标签

发表评论

*

*