低 PE 个股批量筛选与低 PE 陷阱识别工具教学级量化价值投资原型内容包含免责声明和风险提示不荐股、不推荐任何投资产品、不引导开户、无任何引流。一、实际应用场景描述在智能证券投资课程中价值投资Value Investing与估值陷阱Value Trap是核心教学内容。本程序适用于- 高校量化投资、证券分析课程实验- 投资者教育Investor Education- 基本面量化筛选教学- 批判性思维训练打破低 PE 便宜的迷思核心目标- 批量筛选低 PE市盈率个股- 统计后续一年超额收益相对大盘- 识别低 PE 陷阱低 PE 但持续跑输- 用数据回答PE 越低股票越值得买吗✅ 不做未来预测✅ 不构成投资建议✅ 仅作为历史数据统计教学工具二、痛点引入真实可感知痛点 表现PE 迷信 PE 才 5 倍肯定便宜忽略基本面恶化 业绩下滑导致 PE 被动降低价值陷阱 低 PE 买入后继续下跌缺乏统计 不知道低 PE 策略长期到底行不行工具门槛高 专业选股平台复杂散户望而却步 需要一个轻量、本地、可解释、可复现的低 PE 策略回测工具三、核心逻辑讲解工程视角1️⃣ 数据模型设计StockPE├── symbol 股票代码├── name 股票名称├── pe 市盈率TTM 或静态├── year_return 买入后一年涨幅%└── index_return 同期大盘涨幅%2️⃣ 核心筛选逻辑教学用步骤 操作① 设定 PE 阈值如 PE 15② 批量筛选符合条件的个股③ 统计买入后一年涨跌幅④ 对比同期大盘涨跌幅⑤ 计算超额收益3️⃣ 关键公式超额收益超额收益 个股一年涨幅 − 大盘同期涨幅低 PE 陷阱判定教学用if 超额收益 −10%:标记为疑似低 PE 陷阱⚠️ 教学中强调这只是统计信号不是绝对真理。4️⃣ 统计维度指标 含义低 PE 样本数 符合筛选条件的个股数量平均超额收益 低 PE 组合 vs 大盘胜率 跑赢大盘的比例陷阱比例 超额收益 −10% 的比例最佳 / 最差个例 极端案例展示5️⃣ 设计原则- 不美化低 PE 策略- 不妖魔化高 PE- 让数据自己说话四、Python 模块化代码可直接运行 项目结构low_pe_trap_detector/│├── main.py├── models.py├── screener.py├── analyzer.py├── reporter.py├── storage.py├── README.md└── DISCLAIMER.md✅ models.py数据建模models.py低 PE 个股数据模型class StockPE:个股 PE 与后续表现def __init__(self, symbol, name, pe, year_return, index_return):symbol: 股票代码name: 股票名称pe: 市盈率year_return: 买入后一年涨幅%index_return: 同期大盘涨幅%self.symbol symbolself.name nameself.pe peself.year_return year_returnself.index_return index_returndef excess_return(self):超额收益 个股 − 大盘return self.year_return - self.index_return✅ screener.pyPE 筛选器screener.py低 PE 个股批量筛选def screen_low_pe(stocks, pe_threshold15):筛选 PE 低于阈值的个股return [s for s in stocks if s.pe pe_threshold and s.pe 0]✅ analyzer.py核心分析引擎analyzer.py低 PE 策略效果与陷阱识别import numpy as npdef analyze(stocks, pe_threshold15):对低 PE 样本进行统计分析screened [s for s in stocks if s.pe pe_threshold and s.pe 0]total len(screened)if total 0:return None# 超额收益excess_returns [s.excess_return() for s in screened]# 胜率win_count sum(1 for er in excess_returns if er 0)win_rate win_count / total * 100# 低 PE 陷阱超额收益 −10%trap_count sum(1 for er in excess_returns if er -10)trap_rate trap_count / total * 100# 跑输大盘比例lose_count sum(1 for er in excess_returns if er 0)lose_rate lose_count / total * 100return {pe_threshold: pe_threshold,total_screened: total,avg_excess_return: round(np.mean(excess_returns), 2),median_excess_return: round(np.median(excess_returns), 2),win_rate: round(win_rate, 2),lose_rate: round(lose_rate, 2),trap_rate: round(trap_rate, 2),max_excess: round(max(excess_returns), 2),min_excess: round(min(excess_returns), 2),std_excess: round(np.std(excess_returns), 2)}✅ reporter.py分析报告输出reporter.py低 PE 策略分析报告 陷阱识别def report(stocks, stats, pe_threshold):print(\n * 65)print(【低 PE 策略效果与陷阱识别报告】)print( * 65)# 逐条明细print(f\n 低 PE 个股明细PE {pe_threshold})print(- * 65)for s in stocks:if s.pe pe_threshold or s.pe 0:continueer round(s.excess_return(), 2)status ✅ 跑赢 if er 0 else ❌ 跑输trap ⚠️ 陷阱 if er -10 else print(f {s.symbol} {s.name})print(f PE{s.pe} | 个股涨幅{s.year_return}%)print(f 大盘涨幅{s.index_return}% | 超额{er}% {status}{trap})if stats is None:print(f\n⚠️ PE {pe_threshold} 的个股数量为 0无法统计)return# 汇总print(f\n 统计汇总PE {stats[pe_threshold]})print(- * 65)print(f 筛选样本数{stats[total_screened]} 只)print(f 平均超额收益{stats[avg_excess_return]}%)print(f 中位超额收益{stats[median_excess_return]}%)print(f 胜率跑赢大盘{stats[win_rate]}%)print(f 跑输大盘比例{stats[lose_rate]}%)print(f 低 PE 陷阱比例超额 −10%{stats[trap_rate]}%)print(f 最佳个例{stats[max_excess]}%)print(f 最差个例{stats[min_excess]}%)print(f 超额收益标准差{stats[std_excess]}%)print(\n * 65)# 教学结论print(f\n 教学启示)print(- * 65)if stats[win_rate] 50:print(f ⚠️ 胜率仅 {stats[win_rate]}%低 PE 策略并非稳赚)elif stats[win_rate] 60:print(f ⚠️ 胜率 {stats[win_rate]}% 仅略高于随机)if stats[trap_rate] 20:print(f ⚠️ {stats[trap_rate]}% 的低 PE 个股超额收益 −10%)print(f → 存在明显的价值陷阱风险)if stats[avg_excess_return] 0:print(f ⚠️ 平均超额收益为负{stats[avg_excess_return]}%)print(f → 低 PE 组合整体跑输大盘)if stats[std_excess] 20:print(f ⚠️ 超额收益离散度大σ {stats[std_excess]}%)print(f → 个股分化严重需精选而非一篮子买入)print(f\n 核心结论)print(f PE 只是估值的一个维度低 PE ≠ 便宜 ≠ 值得买。)print(f 需结合净利润质量、行业前景、现金流等综合判断。)print( * 65)✅ storage.py本地存储storage.pyJSON 本地存储import jsonFILE_PATH low_pe_analysis.jsondef save_result(data):with open(FILE_PATH, w, encodingutf-8) as f:json.dump(data, f, ensure_asciiFalse, indent2)✅ main.py交互入口main.py低 PE 个股筛选与陷阱识别工具from models import StockPEfrom screener import screen_low_pefrom analyzer import analyzefrom reporter import reportfrom storage import save_resultdef main():print( 低 PE 策略效果与陷阱识别工具教学版)print(量化「市盈率越低股票越值得买」是否成立\n)stocks []while True:symbol input(股票代码空结束)if not symbol:breakname input(股票名称)pe float(input(市盈率PE))year_ret float(input(买入后一年涨幅%))index_ret float(input(同期大盘涨幅%))stocks.append(StockPE(symbol, name, pe, year_ret, index_ret))if not stocks:print(⚠️ 未录入数据退出)returnpe_threshold float(input(PE 筛选阈值默认 15) or 15)# 筛选screened screen_low_pe(stocks, pe_threshold)# 分析stats analyze(stocks, pe_threshold)# 输出报告report(screened, stats, pe_threshold)# 保存结果result_data {pe_threshold: pe_threshold,total_stocks: len(stocks),screened_count: len(screened),stats: stats,details: [{symbol: s.symbol,name: s.name,pe: s.pe,year_return: s.year_return,index_return: s.index_return,excess_return: round(s.excess_return(), 2)}for s in screened]}save_result(result_data)print(\n✅ 分析结果已保存)if __name__ __main__:main()五、README 与使用说明# 低 PE 策略效果与陷阱识别工具教学版## 项目说明批量筛选低 PE 个股统计后续一年超额收益识别低 PE 价值陷阱。## 使用方式bashpip install numpypython main.py## 输入示例股票代码600519股票名称贵州茅台市盈率PE35买入后一年涨幅%18.5同期大盘涨幅%8.2## 核心指标说明| 指标 | 含义 ||---|---|| 超额收益 | 个股涨幅 − 大盘涨幅 || 胜率 | 超额收益 0 的比例 || 低 PE 陷阱 | 超额收益 −10% 的个股 || 中位超额收益 | 剔除极端值后的典型表现 |## 适用范围- 量化投资课程- 价值投资策略教学- 基本面量化筛选演示## 注意事项- 仅基于历史数据- 不构成任何投资建议- 使用前请阅读 DISCLAIMER.md六、DISCLAIMER.md免责声明与风险提示# 免责声明与风险提示## 免责声明本程序仅供**教学与科研用途**用于演示低 PE 策略的统计分析方法。作者不提供任何证券交易建议不推荐任何股票不承诺任何收益。## 风险提示1. 历史统计不代表未来表现胜率 55%≠下次一定对2. PE 计算方式多样静态 / TTM / 动态结论可能不同3. 低 PE 可能反映基本面恶化而非被低估4. 行业差异巨大银行 PE 天然偏低科技股偏高5. 退市股未被计入可能存在幸存者偏差6. 一年持有期仅为教学假设不代表最佳持有周期使用本工具产生的任何后果作者概不负责。七、核心知识点卡片教学向分类 内容Python 类、列表推导、条件过滤、NumPy 统计量化金融 PE 估值、超额收益、胜率统计价值投资 估值陷阱Value Trap识别批判性思维 打破低 PE 便宜的迷思数据分析 均值 vs 中位数、标准差、分布特征工程思想 模块化、筛选器与分析师解耦可扩展性 可接入财务数据 API、支持多因子筛选八、总结工程师视角这是一个完全中立、去营销化、可教学的原型系统✅ 不鼓吹价值投资✅ 不妖魔化 PE 指标✅ 不伪装成选股神器它真正展示的是如何用 Python 把PE 越低越值得买这个直觉变成可量化、可检验、可质疑的数据实验核心教学价值传统观念 数据可能揭示的真相PE 5 倍肯定便宜 可能业绩正在断崖式下滑低 PE 就是价值股 低 PE 组合平均超额收益可能为负买低 PE 不会亏 20% 的低 PE 个股超额收益 −10%PE 是万能指标 PE 忽略成长性、现金流、行业差异低 PE 陷阱的典型成因教学参考成因 机制业绩恶化 利润下滑 → PE 被动降低 → 看似便宜行业衰退 整个赛道被淘汰如胶卷、功能机财务造假 虚增利润 → 真实 PE 远高于显示值周期性高点 周期顶部利润最高 → PE 最低 → 买入即套本文代码仅供学习与技术交流不构成任何投资建议股市有风险入市需谨慎利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛