指数温度的算法

指数温度的算法

1.指数温度的原理说明。

判断一个指数便宜与否的标准是估值，由于一些指数的盈利稳定或高速增长适用市盈率判断，一些指数的盈利呈周期性变化适用市净率判断，指数温度就是把市盈率和市净率这两个指标结合，用来判断一个估值的高低。

指数温度通过分别计算市盈率和市净率的温度，再算两者的平均值。

指数温度=（PE温度+PB温度）/2

需要说明的是，指数温度的高低与价格高低没有必然的联系，指数温度的高低反映的是在历史中低于指数当前估值出现的概率。温度越低说明在历史上低于当前估值的概率越小，指数的价值越被低估，上涨的概率越大；温度越高说明在历史上低于当前估值的概率越大，指数的价值越被高估，下跌的概率越大。

例如：当指数温度是20度时，说明历史中，估值低于当前估值的概率只有20%，现在的指数比较低估，适合买入；而当指标温度是80度时，说明在历史中，估值低于当前估值的概率高达80%，现在的指数就高估了，应卖出。

指数温度越高，股市越火爆，风险越大，上涨的空间越小；

指数温度越低，股市越冷清，风险越小，上涨的空间更大。

2. 指数温度的计算

根据指数温度的公式，需要先分别计算出PE和PB的温度（对应低于当前PE和PB的概率），然后再算平均值。

计算这个概率需要大量的历史数据，这里以中证500为例，来实际操作数据的收集与指数温度的计算。

第一步：打开“理杏仁”网站，注册登录。

第二步：点击最上面的“指数”栏目，在下面的“全部”“宽基”中找到中证500。

第三步：进入指数页面，分别导出市盈率PE和市净率PB的CSV数据。

点击“PE-TTM”，选择10年的数据，点击按周导出CSV。

[if !vml]

[endif]

点击“PB、加权平均数“”，选择10年的数据，点击按周导出CSV。

[if !vml]

[endif]

[if !vml]

[endif]

[if !supportLineBreakNewLine]

[endif]

第四步：使用excll打开CSV文件，以PE为例（PB同理），除了日期和PE那两列的数据，其他全部删除。

[if !vml]

[endif]

[if !supportLineBreakNewLine]

[endif]

第五步：将PE和PB数据整理到同一个excell表里，在"PE-TTM"栏右边增加一列“PE温度”，在“PB”栏右边增加"PB温度“和“指数温度”两列，如图所示。

[if !vml]

[endif]

第六步：日期以升序排列，这步很重要

选择第一行，点击“数据”里的“筛选”工具，单元格里会出现一个带小三角形的方框。

[if !vml]

[endif]

点击时间单元格里的图标，再点击“升序”，日期就从小到大排序了。

[if !vml]

[endif]

第七步：开始计算，PE温度和PB温度公式如下

=NORMDIST(B3,AVERAGE(B$2:B3),STDEV(B$2:B3),1)*100

1、篮框第一行的温度不算，从第二行开始按上面的公式计算，注意$是固定住第一行的意思。

[if !vml]

[endif]

同样的步骤计算指数的市净率PB温度。

[if !vml]

[endif]

3、指数温度把市盈率和市净率相加求平均数，公式=（C3+E3）/2

[if !vml]

[endif]

[if !supportLineBreakNewLine]

[endif]

这里固定首行数据，就是要固定开始的时间，开始时间越早，总时间越长，数据库越大，温度的参考性才越高，样本数据越大，统计才越接近真实。

[if !vml]

[endif]

[if !supportLineBreakNewLine]

[endif]

在最新指数温度一列，就是用近十年的数字可以计算出中证500的指数温度了（只有11.99，历史上低于现在股市的概率只有11.99%，真是投资好时机呢）

PS：指数温度的计算公式是一个正态分布法计算函数，学名叫“返回指定平均值和标准偏差的正态分布函数”。

$���OG�