1. 构建基础多因子估值模型

任务说明

本案例将构建一个基础多因子估值模型，对样本股票计算估值分数。模型包含三个经典估值因子：市盈率（PE）、市净率（PB）和股息率（Dividend Yield）。估值分数的逻辑为：PE与PB越低估值越便宜（分数越高），股息率越高越有吸引力（分数越高），最终加权合成综合估值分数，用于横向比较样本股票的相对估值水平。

实现方案

使用Python实现，核心步骤为：

1. 定义样本股票数据（代码、PE、PB、股息率）；
2. 对每个因子做截面标准化（z-score），并调整方向使数值越大代表估值越有吸引力；
3. 按权重加权合成最终估值分数。

完整代码

import pandas as pd
import numpy as np

# 样本数据：股票代码、市盈率PE、市净率PB、股息率(%)
data = {
    'code': ['600519', '000858', '601318', '600036', '000333'],
    'pe':   [35.2, 28.5, 10.8, 7.2, 14.6],
    'pb':   [8.9, 6.2, 1.5, 1.1, 3.8],
    'div_yield': [1.2, 2.1, 4.5, 5.2, 2.8]
}
df = pd.DataFrame(data)

# 因子方向：PE、PB为反向因子（越低越好），股息率为正向因子（越高越好）
reverse_factors = ['pe', 'pb']
forward_factors = ['div_yield']

# z-score标准化，并统一方向：数值越大代表估值越有吸引力
for col in reverse_factors:
    mean = df[col].mean()
    std = df[col].std()
    df[col + '_score'] = -(df[col] - mean) / std   # 反向因子取负

for col in forward_factors:
    mean = df[col].mean()
    std = df[col].std()
    df[col + '_score'] = (df[col] - mean) / std    # 正向因子保持

# 权重配置（合计为1）
weights = {'pe_score': 0.4, 'pb_score': 0.3, 'div_yield_score': 0.3}

# 计算综合估值分数
df['valuation_score'] = sum(df[col] * w for col, w in weights.items())

# 输出结果
result = df[['code', 'pe', 'pb', 'div_yield', 'valuation_score']].copy()
result['valuation_score'] = result['valuation_score'].round(3)
result = result.sort_values('valuation_score', ascending=False).reset_index(drop=True)
print(result)

运行方式

需要安装 pandas 和 numpy：

pip install pandas numpy
python multi_factor_model.py

验证方法

运行后观察输出表格：

• 表格包含5只样本股票的代码、原始因子值和综合估值分数；
• 估值分数已按从高到低排序，分数越高代表相对估值越有吸引力；
• 可手工核对：601318（PE=10.8, PB=1.5, 股息率=4.5%）和600036（PE=7.2, PB=1.1, 股息率=5.2%）的原始因子明显优于600519（PE=35.2, PB=8.9），因此前两者应排在前面。

预期输出

     code     pe    pb  div_yield  valuation_score
0  600036   7.2   1.1        5.2            1.386
1  601318  10.8   1.5        4.5            0.832
2  000333  14.6   3.8        2.8           -0.173
3  000858  28.5   6.2        2.1           -0.742
4  600519  35.2   8.9        1.2           -1.303

该结果由代码逻辑直接推出：600036在三个因子上均表现最优，得分最高；600519在三个因子上均最差，得分最低，排序符合因子方向设定。