公众号：跨界韭菜

0%

股利贴现模型 - 年化复合增长率(CAGR)

发表于 分类于 阅读次数： Valine：
本文字数： 3k 阅读时长 ≈ 3 分钟

又是一个“爷青回”的话题。 对上一次讨论股利贴现模型是19年的事情：股利贴现模型 - 戈登模型(Gordon Growth Model)， 距离现在差不多两年半的时间。

在DCF模型中， 为了得到股票的内在价值，我们需要预判目标企业未来的增长率g， 这个g往往对股票的内在价值起了重要作用。

那么这个增长率我们不能随便拍拍脑袋就定下来。 一般我们可以有几种方法去预判这个增长率g。 第一，看行业增速； 第二，看历史增速。

行业增速

看行业增速算是比较简单， 一般情况下我们可以找到一些行业协会写的行业报告，里面一般会提及过往或者对未来增速的预估。 还有一个就是，挑选多家同行业的上市公司，然后将这些企业的历年增速叠加再平均一下作为增长率g。

历史增速

在这里我主要是讨论如何利用python量化获得多个股票的历年增速。

因为我个人重仓了隆基股份，因此这里我挑选了光伏行业作为例子， 其中股票池包括'爱旭股份', '晶澳科技', '协鑫集成', '中环股份', '东方日升', '中来股份', '亿晶光电', '天合光能', '向日葵', '隆基股份', '通威股份', '正泰电器', '航天机电', '拓日新能'。

下面主要是在jupyterlab 实现的， 数据来源（免费）：tushare.pro。

实现代码

设置tushare的token和引入相关的库

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import tushare as ts
import pandas as pd

#设置完整显示数据
pd.set_option('display.max_rows', 500)
pd.set_option('display.max_columns', 500)
pd.set_option('display.width', 1000)
pd.set_option('display.float_format', '{:,.2f}'.format)

#注册tushare后获得token
pro = ts.pro_api('xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx')

def cagr(start_value, end_value, num_periods):
    return (end_value / start_value) ** (1 / (num_periods - 1)) - 1

设置年化复合增长率(CAGR)的时间跨度，这里我选取5年期，因此时间段为2015年-2020年.

1
2
3
4
5
6
#时间段
start_date = '20150101'
end_date = '20201231'

#股票池
stock_list = ['爱旭股份', '晶澳科技', '协鑫集成', '中环股份', '东方日升', '中来股份', '亿晶光电', '天合光能', '向日葵', '隆基股份', '通威股份', '正泰电器', '航天机电', '拓日新能']

下面为主要的实现代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
result_list = []

#主要用于将上述的股票中文名称转换为tushare能识别的`ts_code`
stock_basic = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name')
stock_selections = stock_basic[stock_basic['name'].isin(stock_list)]

for ticker, name in zip(stock_selections['ts_code'], stock_selections['name']):
    result_dict = {}
    #获取股票历年的营收
    total_revenue = pro.income(ts_code=ticker, start_date=start_date, end_date=end_date,fields='ts_code,end_date,total_revenue')
    total_revenue.drop_duplicates(subset=['ts_code','end_date'],keep='first',inplace=True)
    total_revenue.set_index('end_date', inplace=True)
    total_revenue_yrs = total_revenue.filter(like='1231', axis=0)

    #计算CAGR
    start_value = float(total_revenue_yrs.iloc[-1]['total_revenue'])
    end_value = float(total_revenue_yrs.iloc[0]['total_revenue'])
    num_periods = len(total_revenue_yrs['total_revenue'])
    cagr_y = cagr(start_value, end_value, num_periods)

    result_dict['代码'] = ticker
    result_dict['股票名称'] = name
    result_dict['年复合增长率'] = cagr_y * 100
    result_dict['周期'] = num_periods - 1
    result_list.append(result_dict)

df = pd.DataFrame(result_list)
df.sort_values(by='年复合增长率', ascending=False)

效果

github

jupyter notebook文件已上传到github， 可以直接看效果。地址：chinobing/cnvar.cn-source-code

相关文章