3、关键财务指标（上）：市盈率（PE）、市净率（PB）、净资产收益率（ROE）
各位同学，咱们今天聊点硬核的。
做量化投资，说白了就是跟数字打交道。但数字那么多，哪些才是真正能帮你赚钱的？我个人习惯，先看三个最基础的指标：PE、PB、ROE。这三个家伙，就像财务分析里的“三剑客”，搞懂了它们，你再看财报，就不再是看天书了。
核心观点：PE看“贵不贵”，PB看“实不实”，ROE看“赚不赚”。三者结合，才能判断一家公司的真实价值。
3.1 市盈率（PE）—— 市场愿意为你的利润付多少钱？
市盈率，英文叫Price-to-Earnings Ratio，简称PE。公式很简单：PE = 股价 / 每股收益。
你想想看，这代表什么？代表你买这家公司股票，需要多少年才能“回本”。比如PE是10倍，意味着如果公司每年赚的钱不变，你投进去的钱，10年能赚回来。当然，这只是理想情况。
我遇到过的情况：有一次我分析一家科技公司，PE高达80倍。很多人一看就觉得“太贵了”。但我仔细看了它的营收增速，连续三年超过50%。这种高增长公司，市场愿意给高PE，其实是在“预支”它未来的利润。所以，PE不能孤立地看。
3.1.1 PE的三种常见类型
| 类型 | 计算方式 | 适用场景 |
|---|---|---|
| 静态PE | 股价 / 上一年度每股收益 | 看历史，比较稳定 |
| 滚动PE（TTM） | 股价 / 最近四个季度每股收益之和 | 我最常用，时效性更强 |
| 动态PE | 股价 / 预测未来每股收益 | 依赖预测，容易有偏差 |
我的小技巧：做量化回测时，我一般用滚动PE（TTM）。因为它既包含了最新业绩，又避免了单季度波动带来的噪音。你可以用Python的yfinance库直接拉取TTM数据。
3.1.2 用Python计算PE
嗯，这里要注意，别手动算。写个脚本，几秒钟搞定。
import yfinance as yf
# 以贵州茅台为例
ticker = yf.Ticker("600519.SS")
info = ticker.info
# 获取股价和每股收益（TTM）
price = info['currentPrice']
eps = info['trailingEps']
pe_ttm = price / eps
print(f"当前股价: {price}")
print(f"TTM每股收益: {eps}")
print(f"滚动市盈率: {pe_ttm:.2f}")避坑指南：我曾经踩过一个坑——直接用静态PE做策略。结果遇到一家公司，上一年度利润暴增（卖资产），静态PE低得离谱。我以为是低估，结果买入后业绩变脸，股价大跌。后来我学乖了，一定要看扣非后的PE，或者用TTM。
3.2 市净率（PB）—— 公司破产清算，你能拿回多少？
市净率，Price-to-Book Ratio，简称PB。公式：PB = 股价 / 每股净资产。
说白了，就是市场给这家公司的“净资产”打了多少折。PB小于1，意味着市场认为这家公司的资产不值账面那么多钱。PB大于1，说明市场愿意溢价购买它的资产。
我个人习惯：对于银行、保险这类重资产公司，PB是核心指标。因为它们的资产（比如贷款、债券）相对容易估值。但对于互联网公司，PB基本没用——它们的核心资产是人和代码，不在资产负债表上。
3.2.1 PB的实战应用
- PB < 1：可能是“破净股”，市场极度悲观。但要注意，也可能是资产质量差（比如大量坏账）。
- PB = 1~3：正常范围，具体看行业。
- PB > 5：轻资产公司（如软件、医药）常见，不代表高估。
关键点：PB和ROE要一起看。一家公司PB很高，但ROE也很高，那可能是合理的。如果PB高、ROE低，那就要小心了。
3.3 净资产收益率（ROE）—— 公司赚钱的效率到底怎么样？
净资产收益率，Return on Equity，简称ROE。公式：ROE = 净利润 / 净资产。
这是我最看重的指标，没有之一。它衡量的是：股东投进去1块钱，公司一年能赚回多少钱。ROE越高，说明公司赚钱效率越高。
我记得：巴菲特说过，如果只能选一个指标，他会选ROE。他买的很多公司，长期ROE都在15%以上。我自己做策略时，也会把ROE > 15%作为选股的第一道门槛。
3.3.1 杜邦分析法——拆解ROE
ROE高，不一定就是好公司。为什么？因为可以通过加杠杆（借钱）来推高ROE。所以，我习惯用杜邦分析法把ROE拆开看：
ROE = 净利率 × 资产周转率 × 权益乘数
- 净利率：卖东西赚不赚钱？
- 资产周转率：资产利用效率高不高？
- 权益乘数：杠杆加了多少？
举个例子：两家公司ROE都是20%。A公司靠高净利率（20%），B公司靠高杠杆（权益乘数5倍）。你选哪个？我肯定选A。因为高杠杆意味着高风险，一旦市场不好，可能血本无归。
我的经验：用Python做ROE拆解，可以快速识别“伪优质”公司。代码很简单，拉取利润表和资产负债表数据，一算便知。
3.4 三者的关系——一张图看懂
这三个指标不是孤立的。它们共同构成了一个分析框架。我画了一张图，帮你理清逻辑：
3.5 实战案例——用三个指标筛选股票
光说不练假把式。咱们用Python写一个简单的筛选器，从A股中挑出“三好学生”：
import akshare as ak
import pandas as pd
# 获取A股所有股票的基本面数据
# 这里用akshare库，需要先安装：pip install akshare
df = ak.stock_a_lg_indicator()
# 筛选条件
condition = (
(df['pe'] > 0) & (df['pe'] < 20) & # PE在0-20之间
(df['pb'] > 0) & (df['pb'] < 3) & # PB在0-3之间
(df['roe'] > 15) # ROE大于15%
)
result = df[condition].sort_values('roe', ascending=False)
print(result[['股票代码', '股票简称', 'pe', 'pb', 'roe']].head(10))注意：这个筛选只是第一步。我曾经用这个策略跑回测，发现有些公司虽然指标好看，但股价就是不涨。为什么？因为市场风格不在它那边。所以，指标是基础，但还要结合行业趋势、资金流向等因素。
3.6 总结一下
好了，今天的内容就这些。PE、PB、ROE，这三个指标是财务分析的基石。你想想看，如果你连这三个都不懂，怎么敢把钱投进去？
我个人习惯，每次看一家新公司，先拉出这三个数据。如果PE太高、PB太低、ROE又不行，那基本就不用看了。如果三个指标都漂亮，再深入研究它的商业模式和护城河。
记住：指标是死的，人是活的。别迷信任何一个单一指标，要学会交叉验证。
课后作业：找一家你熟悉的上市公司，用Python拉取它的PE(TTM)、PB、ROE数据，然后分析一下：这三个指标是否匹配？有没有异常？把你的分析过程记录下来。