导语：

彼得林奇的 PEG 那真是大名鼎鼎，（如果对 PEG 不了解的同学可以移步这里把它当故事看一看，难度 -level 0 ，不看也成，下文会有介绍）但是当我们把经典PEG做成策略，写成代码后发现，欸，怎么就不好使了呢？所以小编决定学习我党共产主义中国化的先进经验，粗浅的琢磨了一个PEG投资策略的沪深化，望各位大神指摘。

PEG：

PEG 的全名我觉得应该叫 PE 除以 G 。PE， 市盈率，可以简单理解为公司的市值除以公司盈利能力得出的倍数。举个栗子，老张在村儿里卖猪肉，深得隔壁王寡妇欢心。邻村老李头觊觎王寡妇多年，百思不得骑姐，并觉王寡妇和老张的破鞋一定是因为猪肉的关系。于是乎大手一挥，买了老张的肉铺，霸了老王的寡妇。过程中，老李出资50万给张屠户，收购了他的肉铺，并发现肉铺每年还帮老李赚了10万块。结果最后一箭双雕，即收拾了邻村王寡妇，又开开心心赚到了钱。

故事结束，敲黑板敲黑板，看官朋友们，如果我们把肉铺想成是一家只发行了一股的公司，那么这里老李花的五十万除以每年盈利的十万，五倍，基本就是 PE ratio 市盈率的概念啦，即某种股票每股市价与每股盈利的比率。

下面我们再说说这个 G，这个 G 可跟老李头与王寡妇婚后的性福生活就没有关系啦。主要是，老李接摊肉铺生意后，在王寡妇的帮助下生意越做越好，收益连年递增，头年挣10万，来年挣15万。


这时，肉铺生意的增长率 G（Growth Rate） 就是拿今年增长的部分：15-10 = 5，除以去年的利润：5 / 10= 0.5,即 G =50%。因此老李肉铺的 PEG 即可得出为 PE  = 5， G = 50，PEG =  PE ? G  = 0.1

好啦，PEG和王寡妇的故事就给大家讲到这里，下面我们来看一下 PEG 的改进。

PEG 的中国化：

因为当年林奇老爷子认为，任何一家公司，股票如果定价合理的话，市盈率就会与收益增长率相等。所以他以 PEG =1为线，把 PEG 小于1的留位备选，大于1的剔除。（这只是个粗略的指导思想，当然会有例外）但林大爷叱咤风云的年代，那是几十年前的美国，放到今天，只能说既不天时，也不地利。所以我们代码实现 PEG 策略时，发现回测结果并不像老李头和王寡妇生活的那么幸福。

从回测结果看，PEG 策略虽然收益跑赢大盘，但是波动幅度巨大，最大回撤奇高，并且完美的栽倒在了中国股市的两次股灾面前。于是乎，聚宽团队决定小试牛刀，进行一次 PEG 策略的中国化。

通过研究发现，数据的时效性和合理适当的止损、调仓措施，对 PEG 回测结果的影响非常大。就我个人的理解， PEG 还是一个偏基本面的分析策略，而其中的关键，则是对公司盈利能力增长的判断，当 EPS 数据失效时，策略就会无所适从。于是乎，我们想到了使用其他因子对公司盈利能力的增长进行判断，并将 EPS 的增长率换成了利润的增长和销售能力的增长两个因子。基于这个想法，我们调出了上证和深成，两个指数构成的所有股票，并进行筛选。首先计算 PE 和 Profit Growth Rate 的比值,并以此为依据对所有股票进行升序排名（得出的商越小越好，所以值越低越排在前面），再用 PE 和 Revenue Growth Rate 的比值为依据重复上述过程。

这个过程如果不好理解的话，那我们举个栗子，好比烤鸭店选大肥鸭，要想做出香喷喷的烤鸭，原材料的选取上，一定是第一关。所以第一步，我们筛出体长 50cm 以上的鸭子，第二步在第一步的基础上进一步选出体重在 10kg 以上的，第三步再筛选羽毛必须洁白，没有杂毛的。第四部筛选身体健康，各项指标都合格的，并把筛选出来的鸭子进行编号，生成列表：

【小白鸭1，小白鸭2，小白鸭3…】


通过这么一步一步的筛选，我们有理由相信，筛选之后烤制出的鸭子，和随便扒拉一只做出的烤鸭相比，前者，有很大的概率，会比后者，好吃。我们选择股票也是同样的道理。

之后，我们用前面介绍过的方法，可以得到两个股票列表，取他们各自的前五十名，并求交集，生成我们全新的备选股票列表。为了具象一点，我们再举个栗子，好比班里要选三好生，条件是成绩又好，体育又好。于是乎，我们把同学们的学习成绩排了个名，前五名分别是:

{小红，小明，小李，小张，小睿}

之后又把大家跑步的成绩排了个名，但是发现前五的名单有了不小的变化，分别是：

{铁蛋，二嘎，小睿，虎子，小明}

无奈之下，我们取个交集，小张，小李，小红惨遭淘汰，只剩下 {小睿，小明} 晋级三好学生，这样，我们有理由相信，小睿和小明有很大的概率都是品学兼优德智体美全面发展的好孩子。这就好比我们筛选出的备选股票池，经过各种指标筛选并排名再筛选后，我们备选池中的股票，大概率上应该都是根正苗红，嗷嗷待涨的好股票。

但是！ BUT！ HOWEVER!  我们能就此放心大胆的买入这些股票了么？当然是不能！原因就是我们抄的是中国股市，那熊市来的时候，甭管什么 PEG，APT ，KNN 还是 Fama-French，策略统统不好使，无论基本面多优秀，血淋淋的经验告诉我们，持仓冒险的结果只有跌跌跌。唯有清仓止损避一避，赚取一定的无风险收益才是最稳健最保险的。因此我们引入 MA 函数对股市趋势进行判断，虽然什么时候涨不好预测，但是跌势显现时，什么时候清仓什么时候跑的判断还是相对简单的，这样我们引入沪深三百，上证综和深成指指数数据（原因是基本覆盖了股市中绝大部分的股票）并对主要指数前一个月的收盘价取平均值，当今日收盘价低于 MA 平均值时，生成信号，执行清仓，并买入国债指数，引入无风险收益。

另一方面，我们要谈一谈关于止盈止损和调仓的措施。好不容选出了这么几个矬子中的大个，嗷嗷待涨的小股票，那么我们是不是就要一直持有着，等着他们一个个变成印钞机呢？答案自然也是 no no no, 因为止盈止损的执行在我们策略中担当的角色，还是任重而道远的。小编本人是一个非常保守的投资小白，所以为了保本儿，我们设计了两个制度，一个是最高价名单制度，另一个是抛出黑名单制度。最高价制度，故名思议，我们按分钟记录每一支持有股票的价格，并创建一个字典，存入他在持有期限中曾经达到过的最高价格，这个感觉有点像我们的体重，比如说，小张同学身高一八五，体重两百斤，造成的结果就是甘油三酯也高，胆固醇也高的，最后就是因为太胖，连三好学生也没拿到。于是乎，小张同学决定减肥。但因为身宽体胖吃对的多喝的多的缘故，所以其实际体重可以描述成一个连续时间序列，在这过程中小张体重一直下降，但有时吃完饭或者喝完水之后体重会上涨一些，这是正常情况。但如果体重连续上涨了5%就不太正常了，要赶紧采取措施不然可能会减肥失败。这个5% 不是和开始减肥前的体重比的，而是和开始减肥后的最低体重比的。持有股票也同理，只不过上涨下跌要反过来。根据这个思路，我们取得的股价最高值也一样，如果以购买之后的最高价为标准，跌幅超过8%，策略就进行止损。同时我们设立一个止盈标准，如果当前股价超过成本价的100%，我们就进行止盈（多么贪心的一只小编，当然这些参数都是可以通过 set_para() 函数来实现用户自定义的）。止盈止损后卖出的股票会进入另一个黑名单系统，并且十个交易日内不再买入。

好，我们闲言废语不要讲，在这个结果导向型的节骨眼上，不拿出点儿真东西，怎么好意思在观众面前逼逼。我们上图，分钟回测结果成绩如下：

总结：

从 PEG 改进策略的分钟回测结果来看，该策略最大的优势在于其可以提供的长期、稳定的超额收益。可以在股指震荡的过程中，动态的筛选股票，并止损调仓。但略势同样明显，因为交易信号和交易条件确认的过程相对保守，所以当大盘牛市来临时，策略会有一个相对应的滞后，这也就是为什么在策略初期，我们的算法会稍微落后于大盘指数的原因。

函数和变量说明书