从「股市」App 看股市

从 Apple Stocks App （股市 App）开始，看懂一支股票。

注：本文不构成任何投资建议。

前言

作为一个程序员，尤其是金融交易相关的程序员，自己或多或少也会与“投资理财”打交道。目前我的日常生活中接触最多的理财产品就是基金，中国内陆市面上可以自由购买的基金的「标的」中，常见的无非是股票和债券两种（当然也有部分稳健的基金会投资于货币或其他标的）。即便是 FOF 类的基金也是如此，绕过中间的层层代理，最终在基金经理的运作下，我的钱会被用于购买股票、债券或是其他产品。

于我而言，甚至是于大多数人而言，基金最大的意义在于让专业的交易员来替我规划投资组合，避免“吊死在一棵树上”。而在市场上的一揽子基金中，我更倾向于购买 ETF 指数基金，这类基金的目标往往是追踪一个市场上的指数，例如新能源汽车行业的 ETF 指数基金的表现，往往与整个新能源汽车行业的公司股票表现相关。在这类基金中，基金经理的操作空间较小，往往由程序和算法来计算投资组合的比例分配，可以较好的体现一个行业的整体表现，一般不必担心人为因素所造成的偏差。

于是，作为普通的投资者——往往不具备看准一支股票的预言能力，我可以站在一个更为宏观的角度来选择我的投资方向，比如：“相比于互联网行业，我更看好新能源行业，同时我还看好白酒行业”，那么此时我就可以购买相关行业的指数基金来验证我的想法。相比之下，在“蔚小理和比亚迪”中选择我要购买的具体的股票，就显得较为困难了。

进入正题

前面提到了一些简单的背景——看起来当我购买了行业的指数基金之后，我就可以放弃思考了，只要等着新一代的年轻人开始爱上喝茅台、开新能源汽车，我就可以大赚一笔！

知其然，还要知其所以然，既然我们投资的基金的标的基本是由股票构成，那么我们自然会意识到，占比较重的股票的涨跌，会直接影响到我们的基金价格。

好巧不巧，最近和一位好友闲聊时，他提到说他正准备开通一个美股的交易账号，我便询问他是想购买哪一支股票，他说他比较看好国内新能源车企中的「理想汽车」。顺势之下，我便打开了 MacBook 上的「股市」App，查看了理想汽车在美股的相关数据。

可以看到，除了股价的走势之外，「股市」App 的图表下方还有一系列相关的数据，这些数据代表了什么，我们又能从中获得怎样的信息？

走势图与 K Line

股市 App 中的“走势图” UI 较为简单，较为简单的反映了股价随着时间的变化曲线，从中我们能获取到的信息比较有限 —— 这是因为股市 App 本身并不是一个交易所 App，用户在这里并不能买卖股票，它的数据来源也注明了是 “yahoo! finance”，因此我们在该 App 上不能获取到详细的交易数据也是可以理解的。

与之对应的，我们可以看到在数据表中，有「今日开盘价」和「今日最高 / 低价」这几栏数据。实际上，联系上表中缺失的「今日收盘价」，我们可以根据这四维数据绘制出一个“小蜡烛”，将每天的小蜡烛都进行汇总，会得到大名鼎鼎的「K 线图」。

相反地，从一张已有的 K 线图中，我们可以反向地解读出这四维的数据，也就可以对某一天的交易情况做出一个合理的推测了。相关的信息可以参照 OANDA Lab 撰写的研究文章，该文章十分详细的阐述了这四维数据背后所对应的可能情况，这里就不做展开了：

K 线及其透露的市场秘密

成交量和平均成交量

「成交量」的定义比较简单，也就是它们的字面意思，代表了一定时间段内的成交量，股市 App 中的单位是“股数”，也就是成交了多少股的意思。

一般而言，股票的成交量越大，可以说它的流动性越好 —— 也就是说大家都愿意去买卖这支股票，这一点不难理解。从更深层上来说，参与买卖股票的人对股价的评价越冲突时，成交量就越大，因为当大家对股价的看法都比较一致时，也就更难产生交易的行为。

举例来说，如果持有特斯拉股票的人，都认为特斯拉的股价处于偏低的状态，日后还有较大的升值空间，那么大家就不太愿意在二级市场上抛售自己所持有的股票，会攥在手里等待升值。反之，如果市面上看空和看多的人有激烈的冲突，那么市场上买卖的人就多了起来，有的人急于抛售，害怕股价亏损给自己带来损失，剩下的人则乐意接盘，认为现在是个抄底的好机会。

值得注意的是，股市 App 中的「平均成交量」与金融行业中普遍使用的术语是不同的。

「平均成交量」的计算公式如下：

$$平均成交量 = 成交量 \div 笔数$$

也就是说，平均成交量代表了每一笔交易平均成交了多少股。

而股市 App 中的「平均成交量」指的是过去一段时间内的「每日成交量」的平均数，也就是用来衡量过去一段时间中，每天大约交易了多少股，而不是指代每笔交易的平均成交额。

因此，综合来讲，这两个指标都有助于我们评估一支股票的流动性，更为详细的信息则无法获取到了。

贝塔系数

贝塔系数是一种用来评估股票证券风险的工具，用通俗的话来说，贝塔系数反映的是当前股票与大盘之间的关联关系 —— 贝塔系数绝对值越大，大盘涨的时候，当前股票就涨的越多，反之亦然。

例如：

1. 当贝塔系数 = 1.1 时，大盘涨了 10 %，当前股票就会涨 11 %。
2. 当贝塔系数 = 5.6 时，大盘跌了 10 %，当前股票就会跌 56 %。

是不是感觉看起来有点像合约交易中的杠杆？从计算上来说确实如此，但这两者有着本质上的不同：

合约杠杆是用户在开始交易前提前设置好的，而贝塔系数则是根据历史数据回过头计算得到的。

接下来简单看一眼贝塔系数的计算公式：

$$\beta = \frac{Cov(r_a, r_m)}{\sigma_m^2}\\ \begin{cases} r_a &= 股票的收益\\ r_m &= 市场的收益\\ Cov(r_a, r_m) &= 二者的协方差\\ \sigma_m^2 &= 市场收益的方差 \end{cases}$$

协方差的值可以反映两个指标之间的相关性：

协方差为正数，则指标 A 增加📈时，指标 B 也有增加📈的趋势；

协方差为负数，则指标 A 增加📈时，指标 B 有减小📉的趋势；

协方差为 0 ，则两个指标之间的关联性不强。

方差则表明了数据的分散程度，方差越大数据越分散。

公式表明，贝塔系数本身其实并不能表明股票和市场之间的直接联系，但可以帮助我们大致的判断一支股票在过去一段时间内的“股性”。

从数学上来说，贝塔系数为 0 只能推导出“证券价格波动与市场价格波动无关”，而不能说明这个证券是没有风险的。但反过来说，如果一个证券没有风险，那么它的贝塔系数一定为 0。

但其实根据个人经验来说，我们一般在市场中交易的股票都能够使用贝塔系数来当作「股票和市场间的联系」看待，因为普通人交易的股票中的绝大部分都与市场情绪是强相关的。

一般来说，熊市时我们可以选择贝塔系数低的股票来帮助我们抵御风险，牛市来临时我们可以选择贝塔系数高的股票来帮助我们放大收益。

每股收益，越高越好！

每股收益的定义也比较简单：

$$EPS = \frac{期末净利润}{期末股份总数}$$

可以看到，每股收益越高，在市场中往往说明该公司的净利润越高（减少股份总数的情况比较少，这里暂不考虑）。

市场上往往使用 EPS 排名来区分优质股和垃圾股。

市盈率是什么，越高越好？

前面提到了每股收益 EPS 是越高越好的，那么对于市盈率 PE 是否也是这样呢？

先看市盈率 PE 的计算公式：

$$PE = \frac{股价}{EPS}$$

可以看到，EPS 的计算与前文提到的 EPS 是息息相关的。而我们前面又提到，EPS 是越高越好的，因为 EPS 越高往往说明公司的净利润越高，股票越优质。

那么 PE 是不是也是越高越好呢？通过公式我们可以看到，PE 越高往往说明股价越高，或是 EPS 越小。而这两种情况都不算是好消息 —— 我们既不希望在股价处于高点时买入，也不希望购入 EPS 很低的“垃圾股”。

举例来说，随着一家优秀公司的成长和发展，这家公司股票的 EPS 会不断增加，此时购入其股票的人也会越来越多，于是其股价也会不断上升，最终这家公司的市盈率 PE 会落在一个合理的区间中（分子和分母都在不断增大）。

但是只有一家公司的 PE 值，其参考价值往往不够大，最好的方式是在同行业中对不同公司的 PE 进行对比，例如对比五粮液和茅台两家公司的 PE 值，或是对比理想和比亚迪之间的 PE 值。通过这种对比我们可以大致的看出一家公司在行业中的股价是否“偏高”。

接下来我们将 EPS 带入公式，从另一个角度来理解市盈率：

$$PE = \frac{股价}{EPS} = \frac{股价}{\frac{期末净利润}{期末股份总数}} = \frac{股价\cdot期末股份总数}{期末净利润}\approx \frac{市值}{期末净利润}$$

最终公式中的分子为股价*股数，我们可以将其理解为一家公司的市值，于是 PE 就被化简为市值比上利润了，这种形式是不是看起来更好理解一些 —— PE 过高要么说明其市值过高，要么说明其利润太少。

最后我们再回归 PE 公式本身，从最后一个视角来理解 PE：

$$PE = \frac{股价}{EPS}$$

思考我购入一只股票后，永不卖出并且及时提取分红的情况下，我需要多少时间才能回本？

假设公司 A 的股价是每股 100 元，A 公司的每股收益 EPS = 10，那么当我花了 100 元购买一股之后，单纯吃股息的情况下，我每年能够获得 10 元收益，于是我需要 100 / 10 = 10 年的时间才能回本。

---

MBA 智库中有一个 PE 的参考范围：

• 0-13：即价值被低估
• 14-20：即正常水平
• 21-28：即价值被高估
• 28+：反映股市出现投机性泡沫

---

OANDA Lab 中也有下方表格供参考：

股价范围	PE 范围	预期投资回报率
偏高	20 < PE	< 5%
合理	10 < PE < 20	< 6.7%
偏低	PE < 10	< 8.3%

---

作为普通的投资者，如何根据上述提到的诸多信息来选购一家公司的股票呢？下面是根据公式推导的一个结论表格：

股价	EPS 每股收益	PE 市盈率
A = B	越高越好	股价相同，EPS 越高，PE 越低，回本时间越短
越低越好	A = B	EPS 相同，股价越低，PE 越低，回本时间越短
A ≠ B	A ≠ B	此时一般只看 PE，PE 越低，回本时间越短

市净率又是什么，和市盈率有关系吗？

市净率 PB 指的是股价和每股净资产的比值：

$$PB = \frac{股价}{每股净资产}$$

每股净资产是净资产 / 股数

净资产就是一家公司的总资产-总负债，也就是当公司卖掉所有资产和付清所有负债之后剩余的价值

同样我们代入公式进行进一步推导：

$$PB = \frac{股价}{每股净资产} = \frac{股价}{\frac{净资产}{股数}} = \frac{股价\cdot股数}{净资产} \approx \frac{市值}{净资产}$$

可以看到 PB 越等于市值除以净资产。

看过了前面内容，这里我们也能迅速的得出，一般而言 PB 越低的股票投资价值越高，这一点和 PE 是基本相同的。

举例来说：在理想情况下，公司的 Day 1 当天，PB 应该为 1，即：公司价值 100 万，那么我花 1 万就能买到 1% 的公司；随着时间增长，公司股票越来越值钱，在股价涨了 10 倍之后，公司价值 1000 万时，我花 1 万只能买到 0.1% 的公司了，此时 PB 也就变成了 10。

一般来说，我们会认为 PB 比 PE 更为稳定，因为从公式中我们就能看出来，PE 随着盈利变化，而 PB 随着净资产变化，在短期时间内，公司的盈利也许会发生巨大的波动，例如苹果举行发布会后，手机的销量也许会大幅上升，但公司的净资产的变化却非常少。

其次，PE 不适用于亏损的企业，因为亏损的企业没有盈利无法计算 PE，但是这类企业是有净资产的，PB 仍然能够被计算出来。

AI 时代，交给 AI

写在最后，AI 的时代，再让我们请教一下 AI。

根据 GuruFocus 给出的数据，我们不难看出 Li Auto 的股票在同行业中，呈现出高 PE 低 PB 的情况，交给 ChatGPT 来对其进行分析：

AI 给出的分析仅供参考，这里给出个人的一些思考：

理想汽车最近在新能源行业中扭亏为盈，刚刚进入盈利阶段的理想由于盈利不多，因此在 PE 的计算中分母比较小，造成了 PE 本身很大，而 PB 较低，则代表了理想公司的账面资产比较多（分母较大）。也就是说，PB 低，PE 高的情况，针对当前阶段的理想来说，基本都是因为分母造成的。

按照彼得林奇的说法，针对强周期性的股票，就应该在 PB 低 PE 高的情况下买入，因为在弱周期来临时，由于盈利不佳，PE 会升高，但资产不太变动的情况下，PB 即使在弱周期也可能较低。在此刻买入就越等于在弱周期买入，针对周期性股票，在弱周期买入显然是有利的。

一般来说，低 PB 高 PE 的情况往往会出现在即将实现困境反转型的企业或是周期股的底部，理想比较偏向前者，但这类股票也往往比较难把握，因为“很可能它反转不了呢”。或者说，虽然 PB 很低，我此时能用相同的钱买入更多的公司资产，但也许“都是些产生不了利润的垃圾资产呢”。总而言之，这类情况的股票在一般情况下“即使低价，也很难吸引人”，把握这类资产需要很强的专业能力。