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
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