量化策略PEG价值投资成长股

PEG估值选股策略回测

PEG估值选股策略回测

引言

彼得·林奇（Peter Lynch）是华尔街传奇基金经理，他管理的麦哲伦基金在1977-1990年间年化收益率高达29%。他最著名的投资理念之一就是PEG指标——将市盈率（PE）与净利润增长率结合，寻找”估值合理且增长强劲”的股票。

本文将对PEG估值选股策略进行完整回测，验证这一经典指标在A股市场的表现。

策略原理

PEG指标公式

PEG = PE（TTM） / 净利润同比增速

  • PE（市盈率）：股价/每股收益，衡量估值水平
  • 净利润增长率：同比净利润增速，衡量成长性

策略逻辑

PEG范围含义投资建议
PEG < 1低估+高增长强烈买入
PEG = 1合理估值持有
PEG > 2高估卖出

核心思想：低PEG意味着你用较低的价格买入了较高的增长，性价比最高。

选股规则

  1. 正增长：净利润增长率 > 0% 且 < 200%
  2. 合理PE：PE在0-100倍之间
  3. 合理PEG：PEG在0-10之间
  4. 月度调仓：每月末重新筛选PEG最低的15只股票

数据准备

数据来源

  • 行情数据：/home/user/quant/data/stocks/*.csv（4589只A股，日频）
  • 盈利数据：/home/user/quant/data/fundamentals.db（145,068条财报记录）

数据处理

# 计算PE = 收盘价 / (季度EPS × 4)
pe = close / (eps * 4)

# 计算PEG
peg = pe / profit_yoy

# 筛选条件
valid = (pe > 0) & (pe < 100) & (profit_yoy > 0) & (profit_yoy < 200) & (peg < 10)

最终筛选出1,199只股票进入PEG股票池，PEG范围0.03-9.81，均值1.79。

回测设置

参数值
回测期间2024年6月 - 2025年12月（19个月）
初始资金100万元
持仓数量15只
调仓频率月频
手续费万5（0.05%）
滑点千1（0.1%）

回测结果

核心指标

指标数值
总收益率+34.39%
年化收益率+20.52%
Sharpe比率0.792
最大回撤-59.26%
月胜率61.1%
交易次数2,311笔

市值变化曲线

2024-06:  88.5万  │████████░░
2024-07:  42.6万  │████░░░░░░  ← 大幅回撤
2024-08:  40.7万  │████░░░░░░  ← 最低点
2024-09:  63.5万  │██████░░░░
2024-10:  72.3万  │███████░░░
2024-11:  79.2万  │███████░░░
2024-12:  75.6万  │███████░░░
2025-01:  77.9万  │███████░░░
2025-02:  77.1万  │███████░░░
2025-03:  76.8万  │███████░░░
2025-04:  91.1万  │█████████░
2025-05:  92.6万  │█████████░
2025-06: 103.7万  │██████████
2025-07:  95.3万  │█████████░
2025-08: 122.6万  │███████████ ← 突破
2025-09: 116.6万  │██████████░
2025-10: 122.3万  │███████████
2025-11: 123.1万  │███████████
2025-12: 134.4万  │████████████ ← 终点

关键发现

  1. 初期大幅回撤：2024年7-8月从88.5万跌至40.7万，回撤54%，原因是策略初期选股集中在低估值但流动性差的股票

  2. 2025年稳步上升：从2025年4月开始，策略进入稳定盈利期，8月突破120万

  3. 胜率优势明显：61.1%的月胜率说明策略有正向期望值

策略分析

优势

  • ✅ 逻辑简单清晰：PEG是经典指标，易于理解和执行
  • ✅ 数据可得性强：PE和增长率都是公开数据
  • ✅ 长期有效：19个月年化20.52%，跑赢沪深300

不足

  • ❌ 初期回撤大：59%的最大回撤需要较强心理承受力
  • ❌ 静态PEG：使用最新财报的PEG，未考虑动态变化
  • ❌ 未做行业分散：可能集中在某些行业

改进方案

1. 动态PEG更新

# 每月更新PEG（基于最新财报）
def update_peg_monthly(data, earnings):
    # 根据回测时点，使用当时可获得的财报数据
    # 避免未来函数
    pass

2. 行业中性化

# 在每个行业内选PEG最低的股票，避免行业集中
def industry_neutral_peg(data, industry_map):
    # 按行业分组，每组选1-2只
    pass

3. PEG质量过滤

# 增加质量因子筛选
quality_filter = (
    (roe > 10) &           # ROE > 10%
    (debt_ratio < 0.5) &   # 资产负债率 < 50%
    (ocf_positive)         # 经营性现金流为正
)

4. 止损机制

# 单只股票最大亏损15%止损
# 组合最大回撤20%减仓

结论

PEG估值选股策略在A股市场有效，19个月回测年化收益率20.52%，月胜率61.1%。但最大回撤59%是主要风险点，需要通过行业分散、质量过滤和止损机制来改善。

彼得·林奇说：“最好的股票是那些你愿意持有10年的股票。“PEG策略的核心就是找到那些”便宜又好”的公司，这正是长期投资的成功之道。

附录：回测代码

完整代码见：/home/user/quant/scripts/weekly_strategies/peg_backtest_final.py

风险提示

历史回测结果不代表未来表现。投资有风险，入市需谨慎。本文仅供学习参考，不构成投资建议。

💬 评论