index_valuation

指数估值相关。

指数市盈率

参照中证指数A股全市场行业滚动市盈率计算说明，整理如下：

数据核对

笔者通过wind，选择了中国平安、贵州茅台、科大讯飞、长园集团四家公司的数据，计算2019年8月20日的滚动市盈率：

证券代码	证券简称	归属母公司股东的净利润 [报告期] 今年一季 [报表类型] 合并报表 [单位] 亿元	归属母公司股东的净利润 [报告期] 去年年报 [报表类型] 合并报表 [单位] 亿元	归属母公司股东的净利润 [报告期] 去年三季 [报表类型] 合并报表 [单位] 亿元	归属母公司股东的净利润 [报告期] 去年中报 [报表类型] 合并报表 [单位] 亿元	归属母公司股东的净利润 [报告期] 去年一季 [报表类型] 合并报表 [单位] 亿元	收盘价 [交易日期] 2019-08-20 [复权方式] 前复权 [单位] 元	总股本 [交易日期] 2019-08-20 [单位] 亿股	A股合计 [交易日期] 2019-08-20 [单位] 亿股	去年四季度	去年三季度	去年二季度	过去四个季度净利润总和	A股净利润	A股市值	滚动市盈率
601318.SH	中国平安	455.1700	1,074.0400	793.9700	580.9500	257.0200	87.94000	182.8024	108.3266	280.07	213.02	323.93	1,272.19	753.89	9526.241	12.6362
600519.SH	贵州茅台	112.2143	352.0363	247.3355	157.6419	85.0691	1,070.00000	12.5620	12.5620	104.70	89.69	72.57	379.18	379.18	13441.34	35.4483
002230.SZ	科大讯飞	1.0188	5.4207	2.1910	1.3060	0.8199	32.76000	22.0053	22.0053	3.23	0.89	0.49	5.62	5.62	720.8936	128.282
600525.SH	长园集团	0.6561	1.1167	12.7838	11.4015	0.8073	6.29000	13.2367	13.2367	-11.67	1.38	10.59	0.97	0.97	83.25884	86.23391

与中证指数官网给出的数值一致，计算逻辑应该正确。

证券代码	证券名称	一级行业代码	一级行业名称	二级行业代码	二级行业名称	三级行业代码	三级行业名称	四级行业代码	四级行业名称	个股静态市盈率	个股滚动市盈率	个股市净率	个股股息率
601318	中国平安	06	金融地产	0604	保险	060401	保险	06040102	多元化保险	14.97	12.64	2.68	1.96
600519	贵州茅台	04	主要消费	0402	食品、饮料与烟草	040201	饮料	04020101	白酒	38.18	35.45	10.83	1.36
002230	科大讯飞	07	信息技术	0701	计算机运用	070103	软件开发	07010301	软件开发	132.99	128.28	8.82	-
600525	长园集团	02	工业	0201	资本品	020104	电气设备	02010401	电气部件与设备	74.56	86.24	1.57	-

计算过程中需要注意A股、H股的划分，比如：中国平安，在A股和H股均上市，计算时采用的是A股净利润和A股总市值。

另外，当不同期财务报告的股本数量发生变动时，使用当期财务报告期末的股本数量计算 A股净利润。

计算过程

基于中证指数公司的的计算方法，主要涉及到如下几个方面：

• 财务报表时间的选择；
• 归属母公司净利润确认，有部分公司是A+H股，需要基于不同的股本比例得到A股部分的净利润；
• 不同期的财务数据，计算最近四个季报方法有所不同。

季报数据处理方法

根据当前的时间，得到查询时间范围，然后从wind数据库中进行查询，得到当前时间最近的4个季报。

1、计算日期在T年5月1日之前

• 如果T年的5月1日之前（T年的一季报披露还没有结束），采用T-1年的前三个季报，以及T-2年的第4个季报；
• 查询日期范围从T-2年7月1日至T-1年9月30日；
• 查询的数据示例如下：

DateTime	SHARE_TOTALA	TOTAL_SHARES	NP_BELONGTO_PARCOMSH
2017/9/30	1256197800	1256197800	19983846984
2017/12/31	1256197800	1256197800	27079360256
2018/3/31	1256197800	1256197800	8506906678
2018/6/30	1256197800	1256197800	15764185783
2018/9/30	1256197800	1256197800	24733552720

• T-2年的四季报减去三季报，得到第四季度的数据，结合T-1年的三季报，得到最近四个季度的净利润。

2 、计算日期在T年的5月1日至9月1日

• T年一季报出，二季报还没有出完，采用T年的1季报 及T-1年的二、三、四季报；
• 查询日期范围从T-1年的1月1日至T年的3月31日；
• 查询的数据示例如下：

DateTime	TOTAL_SHARES	SHARE_TOTALA	NP_BELONGTO_PARCOMSH
2018/3/31	1256197800	1256197800	8506906678
2018/6/30	1256197800	1256197800	15764185783
2018/9/30	1256197800	1256197800	24733552720
2018/12/31	1256197800	1256197800	35203625263
2019/3/31	1256197800	1256197800	11221431345

• T-1年的年报减去一季报得到T-1年的二、三、四季度数据，然后加上T年的一季度，得到最近四个季度的净利润。

3、计算日期在T年的9月1日至11月1日

• T年二季报二季报已出，采用T年二季报和T-1年的3、4季报；
• 查询日期范围从T-1年4月1日到T年的6月30日；
• 查询的数据示例如下：

DateTime	TOTAL_SHARES	SHARE_TOTALA	NP_BELONGTO_PARCOMSH
2017/6/30	1256197800	1256197800	11250860930
2017/9/30	1256197800	1256197800	19983846984
2017/12/31	1256197800	1256197800	27079360256
2018/3/31	1256197800	1256197800	8506906678
2018/6/30	1256197800	1256197800	15764185783

• T-1年的年报减去二季报，得到T-1年的的三、四季度数据，加上T年一、二季度数据，得到最近四个季度的净利润。

4、计算日期大于T年的11月1日

• T年三季报已出，采用T年的三季报，和T-1年的四季报；
• 查询日期范围从T-1年的7月1日至T年的9月30日；
• 查询的数据示例如下：

DateTime	NP_BELONGTO_PARCOMSH	SHARE_TOTALA	TOTAL_SHARES
2017/9/30	19983846984	1256197800	1256197800
2017/12/31	27079360256	1256197800	1256197800
2018/3/31	8506906678	1256197800	1256197800
2018/6/30	15764185783	1256197800	1256197800
2018/9/30	24733552720	1256197800	1256197800

• T-1年的四季报减去三季报，得到第四季度的数据，然后加上T年的三季报，得到最近四个季度的净利润。

wind数据提取

指数成分股提取

通过wind终端API接口，提取指数成分股。

 wind_res = w.wset("sectorconstituent", queryStr)

然后将返回的结果转为DataFrame：

    df = pd.DataFrame(
        wind_res.Data,
        index=wind_res.Fields,
        columns=wind_res.Codes)
    cons = df.T

指数季报提取

wsd_res = w.wsd(cons, "total_shares,share_totala,np_belongto_parcomsh", startDate, endDate,"unit=1;rptType=1;Period=Q;Days=Alldays")

其中的起止时间，需要根据当前的日期，选择不同的时间范围：

    if month_and_days < "05-01":
        startDate = str(year - 2) + "-07-01"
        endDate = str(year - 1) + "-09-30"
        datetype = 1
    elif month_and_days >= '05-01' and month_and_days < '09-01':
        startDate = str(year - 1) + "-01-01"
        endDate = str(year) + "-03-31"
        datetype = 2
    elif month_and_days >= '09-01' and month_and_days < '11-01':
        startDate = str(year - 1) + '-04-01'
        endDate = str(year) + '-06-30'
        datetype = 3
    elif month_and_days >= '11-01':
        startDate = str(year - 1) + '-07-01'
        endDate = str(year) + '-09-30'
        datetype = 4

然后对于得到的季报数据按照之前的说明进行处理，计算得到最近四个季度的A股净利润及当天的A股市值，得到PE（TTM）。