用Python分析股市指数

專 欄

❈本文作者：王勇，目前感兴趣项目商业分析、Python、机器学习、Kaggle。17年项目管理，通信业干了11年项目经理管合同交付，制造业干了6年项目管理：PMO,变革，生产转移，清算和资产处理。MBA, PMI-PBA, PMP。❈

衡量市场，指数高低是一个难题!价值投资者很难知道，现在是高估，还是低估?买的是便宜还是，贵了?现在应该买/卖，还是再等等？

针对这个问题，我在网上看到了一些量化的处理方法。例如：平均数法，中位数法，比例法等等。这种方法往往过于简单，只能衡量集中度。不能衡量离散度和概率。

也许统计方法中的标准差Z值法更加适合。既可以衡量某个指数的指标的集中度，还可以衡量离散度，和风险情况。尽管指数的数据也不是完美的正态分布，但Z值法依然存在较大参考意义。

我的观点

Z值越大，越高估。因为大数定理认为：Z>1, Z>2,意味着继续变大的可能性小于16%, 5%。Z值越小，越低估。因为大数定理认为：Z<-1, Z<-2,意味着继续变小的可能性小于16%, 5%综观550多只指数的历史数据。绝大部分指数的Z值都在-2，3之间。注：少数的能源，金属类指数曾经出现过短暂疯狂的。Z值法就不太适用

我使用Python的Pandas 和 Matplotlib 等工具，加上一些渠道获得的指数数据（尤其是市盈率），做了这个工具。主要目的是：

方便自己定投使用。知道何时开始定投，何时停止定投，何时止盈。 （目前还没有止盈过）结合统计学，熟悉Python的基本数据分析方法。网上分享给愿意参考的人,交流和学习

分享是对自己最好的投资！

欢迎指正。

1 Python 基础模块初始化

2 数据库导入

3 定义指标-画图函数（）

根据大数定律，在正态分布情况下，

Z值=0,左右概率是50%

Z值在（-1，+1）左右的概率合计是68%,

Z值在(-2,+2)左右区间的概率合计是95%。

例：Z值=1， 其他数据大于1的概率<=84%,小于1的概率>=16%。 可近似认为：目前已经高估

例：Z值=-1， 其他数据小于-1的概率<=84%,大于-1的概率<=16% 可近似认为：目前已经低估

4 历史数据分组正态化处理 -获得Z值

5 全市场概览 - （价格，市盈率，市净率） 查看和比较目前所有指数的Z值平均数

[-0.5，0.5] 常态

小于-0.5,市场低估

大于0.5, 市场高估活跃

6 三年时间以上的指数Z值

6.1 市盈率Z值

• 最高5个指数。 某指数与自己过去历史的市盈率相比，现在所处的位置。
• 最低5个指数。 某指数与自己过去历史的市盈率相比，现在所处的位置。

我的观点Z值越大，越高估。因为大数定理认为：Z>1, Z>2,意味着继续变大的可能性小于16%, 5%。我的观点Z值越小，越低估。因为大数定理认为：Z<-1, Z<-2,意味着继续变小的可能性小于16%, 5%

综观550多只指数的历史数据。绝大部分指数的Z值都在-2，3之间。

注：少数的能源，金属类指数曾经出现过短暂疯狂的。Z值法就不太适用

6.2 指数市盈率Z值和指数收盘价Z值加权表

6.3 最高和最低的指数市盈率，和收盘价例子

指数： 文化传媒 和 食品饮料。 排除中证电信，原因是不同数据源市盈率差异太大。 红色的线表示，Z值=1 绿色的线表示，Z值=-1 注： 左图：（以过去10年所有数据为基础计算Z值）,最后一个点2017年10月18日 右图：（以2017年的所有数据为基础计算Z值）,最后一个点2017年10月18日

分享是工作和生活中最好的投资！本文的全文（含Python 代码，首发于知乎专栏Python中文社区 ），主要供Python学习和量化分析学习讨论，请点击阅读原文https://zhuanlan.zhihu.com/p/30273447。 本文的分析结果在雪球发布，供参考指数的Z值和分析学习讨论。 https://xueqiu.com/1128434813/93998135