市盈率PE和市净率PB是投资者经常参照的重要指标。但是单纯的看这个数值，行业与行业之间的对比，个股与个股之间的对比，实在没有意义。于是出线了分位值的计算方法。

简单来说，对于净利润不断增长的股票来说，PE分位值如果是65%，那么就是说在过去的某段时间里，估值有35%的时间比现在高，35%的时间比现在低。这只股票现在的估值是贵还是便宜自然心中有数。

如果是净利润不断上升下跌进行循环重复的周期性股票，PE的分位值有些失效，这个时候可以参照PB的分位值。因为就算净利润是不断震荡的，但是净值的变化却没有那么快。

东财的数据

但是我们在常用的股票软件中，要么只有四分位，只能判断处于哪个区间，不够精确。要么不能自定义开始计算分位值的时间，毕竟2007年前的国内股票市场实在算不上成熟，没有什么参考价值。

量化网站-聚宽

难道除了付费数据之外就没有别的选择么？自然不是。国内的股票市场虽然不争气，但与美股港股的数据动不动就要钱相比，国内有着各种各样的免费网站来计算自己需要的数据。

计算结果

以量化网站聚宽为例，登陆后，在【我的策略】，【投资研究】中新建一个python3的策略，粘贴下面的代码后

27行，修改开始日

50行，修改股票代码

短短2行几个字母和数字，就可以得到自己用来投资参照的体系。感兴趣的可以自己试一下

import numpy as np

import pandas as pd

# 得到该股票某一天的pe

def getPe(code,d):

q = query(

valuation

).filter(

valuation.code == code

)

df = get_fundamentals(q, d)

return df['pe_ratio'].values

# 得到该股票某一天的pe

def getPb(code,d):

q = query(

valuation

).filter(

valuation.code == code

)

df = get_fundamentals(q, d)

return df['pb_ratio'].values

# 得到该股票所有的pes

def getPes(code):

start='2010-1-1' #在此填入计算开始的日期

end = pd.datetime.today()

pes=[]

for d in pd.date_range(start,end,freq='d'): #频率为日

# 剔除停盘日

if get_price(code,start_date=d, end_date=d ,frequency='daily', fields=['volume']).values != 0:

pes.append(getPe(code,d))

return pes

# 得到该股票所有的pbs

def getPbs(code):

start='2010-1-1'

end = pd.datetime.today()

pbs=[]

for d in pd.date_range(start,end,freq='d'): #频率为日

# 剔除停盘日

if get_price(code,start_date=d, end_date=d ,frequency='daily', fields=['volume']).values != 0:

pbs.append(getPb(code,d))

return pbs

stocks=[

'600031.XSHG' # 在此填入需要计算的股票代码，深市为XSHE

]

print ('今天是: ',pd.datetime.today())

for code in stocks:

q= getPes(code)

q.sort()

pe=getPe(code,pd.datetime.today())

cn=q.index(pe)

cp=int((1.0*cn)/(1.0*len(q))*100)

print(get_security_info(code).display_name,' ',code,' : ',cp,'%')

for code in stocks:

q= getPbs(code)

q.sort()

pb=getPb(code,pd.datetime.today())

cn=q.index(pb)

cp=int((1.0*cn)/(1.0*len(q))*100)

print(get_security_info(code).display_name,' ',code,' : ',cp,'%')