ClawHub

Stock Pe Pb Analyzer

Data & APIs

分析股票PE/PB历史水位的专业工具。使用BaoStock API获取真实股票数据，计算股票在过去十年中的PE、PB历史百分位水位。适用于：1）查询单个股票的PE/PB历史估值水平；2）评估当前估值相对于历史的高低位置；3）为投资决策提供估值参考数据。支持通过股票名称（如贵州茅台）或代码（如600519）查询A股所有股票。

Install

openclaw skills install stock-pe-pb-analyzer-skill

股票PE/PB历史水位分析器

基于BaoStock数据源的股票估值分析工具，帮助分析股票当前PE、PB在历史区间中的位置（水位）。

功能特点

  • 支持股票名称和代码查询
  • 自动计算10年、5年、3年、1年的历史水位
  • 提供详细的统计指标（最低、最高、中位数、平均值）
  • 输出估值评级（低估/适中/偏高）

使用方法

1. 直接调用分析脚本

# 执行分析脚本
python .agents/skills/stock-pe-pb-analyzer/scripts/analyze_stock.py <股票名称或代码>

示例：

python .agents/skills/stock-pe-pb-analyzer/scripts/analyze_stock.py 贵州茅台
python .agents/skills/stock-pe-pb-analyzer/scripts/analyze_stock.py 600519

2. 作为Python模块使用

from .agents.skills.stock-pe-pb-analyzer.scripts.analyze_stock import StockPEPBAnalyzer

# 创建分析器实例
analyzer = StockPEPBAnalyzer()

# 分析单只股票
result = analyzer.analyze("贵州茅台", years=10)

# 打印详细报告
analyzer.print_report(result)

# 获取原始数据
historical_data = result['historical_data']  # DataFrame包含date, peTTM, pbMRQ等字段
percentiles = result['percentiles']  # 各周期水位计算结果

输出说明

  • PE水位: 当前PE在过去N年中的百分位（0%-100%）

    • 🔴 低估: 0-20%（历史较低水平，可能存在估值修复机会）
    • 🟡 适中: 20-50%（估值相对合理）
    • 🟢 偏高: >50%（估值偏高，需注意风险）

  • PB水位: 当前PB在过去N年中的百分位，评级标准同上

依赖要求

需要安装以下Python包：

  • baostock
  • pandas
  • numpy

注意事项

  1. 首次使用时会自动登录BaoStock并加载股票列表
  2. 数据基于日频估值指标（PE-TTM, PB-MRQ）
  3. 过滤了PE>1000的异常数据点
  4. 分析结果仅供参考，不构成投资建议
More in Data & APIs