JoinQuant 价值投资：如何构建低 PEG 选股策略？

PEG（市盈率相对盈利增长比率）是一个经典的价值投资指标，由吉姆·斯莱特发明，彼得·林奇发扬光大。其核心思想是在看重市盈率（PE）的同时，结合公司的盈利增长速度（Growth）。

PEG = 市盈率 (PE) / 盈利增长率 (G)

• PEG < 1：通常被认为股票被低估（增长速度高于估值）。
• PEG = 1：估值合理。
• PEG > 1：通常被认为股票被高估。

下面是一个基于聚宽（JoinQuant）平台的 PEG 选股策略实现。

策略逻辑

1. 选股范围：全市场股票（剔除 ST、停牌、次新股）。
2. 数据获取：获取市盈率（PE-TTM）和净利润增长率（同比增长率）。
3. 筛选条件：
   • 市盈率 (PE) > 0 且 < 60（剔除亏损和极高估值）。
   • 净利润增长率 (G) > 15%（保证成长性）。
   • 计算 PEG = PE / G。
   • 筛选 PEG < 1 的股票。
4. 排序与买入：按 PEG 从小到大排序，买入前 20 只。
5. 调仓频率：按月调仓。

策略代码

# -*- coding: utf-8 -*-
from jqdata import *

def initialize(context):
    """
    初始化函数，设定基准、手续费、滑点等
    """
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 过滤掉order系列API产生的比error级别低的log
    log.set_level('order', 'error')
    
    # 设定股票交易手续费：买入万三，卖出万三加千一印花税
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 设定持仓数量
    g.stock_num = 20
    
    # 设定每月第一个交易日进行调仓
    run_monthly(trade, 1)

def trade(context):
    """
    交易函数：选股并执行买卖
    """
    # 1. 获取选股列表
    target_list = get_peg_stock_list(context)
    
    # 2. 获取当前持仓
    current_holdings = list(context.portfolio.positions.keys())
    
    # 3. 卖出不在目标列表中的股票
    for stock in current_holdings:
        if stock not in target_list:
            order_target_value(stock, 0)
    
    # 4. 买入目标列表中的股票
    # 资金分配：将剩余资金+卖出资金平均分配给要买入的股票
    # 注意：这里简单处理，实际资金可能因为卖出而变化，使用 order_target_value 调整至目标权重
    if len(target_list) > 0:
        # 计算每只股票的目标持仓价值（总资产 / 目标持仓数）
        # 这里的逻辑是等权重持有
        target_value = context.portfolio.total_value / len(target_list)
        
        for stock in target_list:
            order_target_value(stock, target_value)

def get_peg_stock_list(context):
    """
    核心选股逻辑：计算PEG并筛选
    """
    # 获取当前时间
    date = context.previous_date
    
    # 查询财务数据
    # valuation.pe_ratio: 市盈率(TTM)
    # indicator.inc_net_profit_year_on_year: 净利润同比增长率(%)
    q = query(
        valuation.code,
        valuation.pe_ratio,
        indicator.inc_net_profit_year_on_year
    ).filter(
        valuation.pe_ratio > 0,   # 剔除亏损
        valuation.pe_ratio < 60,  # 剔除极高估值
        indicator.inc_net_profit_year_on_year > 15  # 保证一定的成长性(>15%)
    )
    
    df = get_fundamentals(q, date=date)
    
    # 过滤掉停牌、ST、退市的股票
    # 获取当前所有未停牌、非ST的股票列表
    valid_stocks = filter_paused_and_st_stock(df['code'].tolist(), date)
    df = df[df['code'].isin(valid_stocks)]
    
    # 计算 PEG
    # 注意：聚宽的增长率是百分数（如 20 代表 20%），PE 是绝对值
    # PEG = PE / (增长率数值)
    df['peg'] = df['pe_ratio'] / df['inc_net_profit_year_on_year']
    
    # 筛选 PEG 区间 (0 < PEG < 1)
    # PEG < 0 意味着增长率为负（前面已过滤）或 PE 为负（前面已过滤），这里再次确保安全
    df = df[(df['peg'] > 0) & (df['peg'] < 1)]
    
    # 按照 PEG 从小到大排序
    df = df.sort_values(by='peg', ascending=True)
    
    # 取前 N 只股票
    stock_list = df['code'].head(g.stock_num).tolist()
    
    return stock_list

def filter_paused_and_st_stock(stock_list, date):
    """
    过滤停牌、ST、退市股票
    """
    current_data = get_price(stock_list, end_date=date, frequency='daily', fields=['paused'], count=1, panel=False)
    
    # 获取停牌股票代码
    if not current_data.empty:
        paused_stocks = current_data[current_data['paused'] == 1]['code'].tolist()
    else:
        paused_stocks = []
        
    # 获取ST和退市股票
    is_st = get_extras('is_st', stock_list, start_date=date, end_date=date, df=True)
    if not is_st.empty:
        st_stocks = is_st[is_st.iloc[0] == True].columns.tolist()
    else:
        st_stocks = []
        
    # 过滤
    return [stock for stock in stock_list if stock not in paused_stocks and stock not in st_stocks]

代码关键点解析

1. 数据获取 (get_fundamentals)：

   • 使用了 valuation.pe_ratio 获取市盈率（TTM）。
   • 使用了 indicator.inc_net_profit_year_on_year 获取净利润同比增长率。这是计算 PEG 中 "G" 的关键。

2. PEG 计算：

   • 公式：df['peg'] = df['pe_ratio'] / df['inc_net_profit_year_on_year']。
   • 注意：在聚宽数据库中，增长率如果是 20%，存储的数值是 20 而不是 0.2。因此直接相除即可得到标准的 PEG 值。

3. 风险控制：

   • 过滤 ST 和停牌：通过 filter_paused_and_st_stock 函数剔除无法交易或风险过大的股票。
   • PE 范围限制：限制 0 < PE < 60，避免买入亏损股（PE<0）或市场泡沫过大的股票。
   • 增长率门槛：要求增长率大于 15%，确保选出的股票具有真实的成长动力，避免 PEG 低是因为 PE 极低但公司已停止增长的“价值陷阱”。

4. 交易执行：

   • 使用 order_target_value 进行调仓，这会自动计算买卖数量，使持仓市值达到目标金额（等权重模型）。

常见问题 Q&A

Q: 为什么 PEG 策略有时候会选到周期股？
A: 在周期股（如钢铁、航运）业绩爆发的年份，PE 会很低，增长率 G 会极高，导致 PEG 极低。但这往往是周期的顶点。为了优化，可以在筛选条件中加入行业限制，或者要求连续多个季度的增长。

Q: 如何避免“未来函数”？
A: 代码中使用了 get_fundamentals，在回测模式下，聚宽会自动处理数据披露时间。例如在 4 月 1 日调仓时，系统只会使用 3 月 31 日之前已经公告的财报数据，不会使用 4 月 15 日才发布的财报数据，从而避免未来函数。

Q: 可以把调仓频率改成每周吗？
A: 可以，将 run_monthly(trade, 1) 改为 run_weekly(trade, 1)。但基本面数据（财报）通常按季度更新，过于频繁的调仓可能不会带来显著收益提升，反而增加手续费。