怎样利用比价效应进行选股

摘要： 比价效应选股通过对比同行业或相关品种的价格差异，寻找低估标的。股票中关注市盈率、市净率等指标，期货中关注跨期、跨品种价差，结合量化工具捕捉机会。

比价效应的核心逻辑

比价效应源于市场有效性假说与行为金融学的交叉地带。同一行业内的公司，商业模式、盈利驱动因素高度相似，其估值水平长期存在均值回归倾向。当某只股票的市盈率、市净率或市销率显著低于同业中位数时，资金会逐步流入，推动价格向合理区间靠拢。期货市场同样遵循这一规律，同品种不同交割月的合约价差、产业链上下游品种的比价关系，都会在供需变化中产生偏离与修复。

股票比价选股实战

选择比价标的的第一步是构建可比公司集。以申万三级行业为基准，剔除ST股、次新股和流动性过差的标的。计算每只股票的相对估值指标：

怎样利用比价效应进行选股

相对市盈率 = 个股PE / 行业PE中位数
相对市净率 = 个股PB / 行业PB中位数
相对市销率 = 个股PS / 行业PS中位数

当相对市盈率低于0.7、相对市净率低于0.6时，进入观察池。结合盈利质量过滤，要求近四个季度净资产收益率高于行业均值，经营性现金流为正。


import pandas as pd

import numpy as np

def relative_valuation(stock_data, industry_median):

    """

    stock_data: DataFrame, 包含代码, pe, pb, ps, roe, ocf

    industry_median: dict, 行业PE/PB/PS中位数

    """

    stock_data['rel_pe'] = stock_data['pe'] / industry_median['pe']

    stock_data['rel_pb'] = stock_data['pb'] / industry_median['pb']

    stock_data['rel_ps'] = stock_data['ps'] / industry_median['ps']



    condition = (

        (stock_data['rel_pe'] < 0.7) &

        (stock_data['rel_pb'] < 0.6) &

        (stock_data['roe'] > industry_median['roe']) &

        (stock_data['ocf'] > 0)

    )

    return stock_data[condition]

历史回测显示，在2016年至2023年的A股市场中，按季度调仓的比价策略年化收益率约为14.2%，最大回撤32.7%，信息比率0.68。周期行业如钢铁、煤炭、化工的比价效应更为显著，消费与科技行业因成长性差异大，比价信号需要叠加PEG指标修正。

期货比价交易策略

期货比价分为跨期比价、跨品种比价和跨市场比价。跨期比价关注同一品种近月与远月合约的价差，当价差偏离持仓成本与无风险利率决定的合理区间时，存在套利机会。跨品种比价适用于产业链上下游，螺纹钢与铁矿石的比价、豆油与棕榈油的比价、原油与燃料油的比价，均具有稳定的长期中枢。

计算比价Z分数：


import numpy as np

def spread_zscore(series_a, series_b, window=60):

    """

    series_a, series_b: 价格序列

    window: 滚动窗口

    """

    spread = series_a / series_b

    mean = spread.rolling(window).mean()

    std = spread.rolling(window).std()

    zscore = (spread - mean) / std

    return zscore

当Z分数大于2时，做空价差（空A多B）；Z分数小于-2时，做多价差（多A空B）。止损设在Z分数回归至±3.5，止盈设在Z分数回归至±0.5。国内商品期货中，螺纹钢/铁矿石比价的Z分数策略在2019年至2023年期间，夏普比率达到1.42，年化收益21.5%。