3. 板块估值分位的数据获取

估值分位是“当前估值在自身历史中所处的位置”，它的计算本身并不复杂，真正决定结论可信度的是三件事：数据源是否可靠、行业分类是否一致、清洗是否到位。同一只板块指数，用不同数据源、不同分类口径、不同清洗规则，算出的分位可能相差十几个百分点，足以改变“高估/低估”的判断。本节围绕这三件事展开，并给出可复用的处理流程。

一、数据源选择：先分清“指数口径”与“成分股口径”

常见的估值数据来源大致分三类。第一类是指数公司官方数据，如中证指数、国证指数官网发布的指数市盈率、市净率文件，优点是口径权威、与指数编制方案一致，缺点是更新频率较低（多为日频或周频）、历史区间有限。第二类是行情终端与数据接口，如 Wind、Choice、聚宽、Tushare 等，优点是历史长、字段全、可批量拉取，缺点是不同终端对“整体法/中位数法”“剔除负值”等处理默认值不同，必须核对字段说明。第三类是自行由成分股加权计算，灵活度最高，适合需要自定义口径的场景，但工作量大且容易在成分股调整、权重变化上出错。

选择数据源时建议遵循两条原则：其一，估值分位的分子分母必须同源。用指数点位除以成分股总盈利得到的 PE，与直接取终端 PE 字段，二者历史序列不可混用，否则分位会被口径差异污染。其二，优先选择能提供“历史全序列 + 成分股明细”的源，因为分位计算依赖长历史，而清洗与复核依赖成分股明细。对于课程演示，我们采用“终端拉取指数 PE-TTM 日序列 + 指数公司成分股名单”的组合，兼顾效率与可核查性。

二、行业分类标准：分位对照的前提是“同一把尺子”

板块估值分位对照最容易踩的坑，是拿申万一级行业的 PE 分位去和中证行业指数的 PE 分位直接比较。两者成分股范围、权重规则、行业归属都可能不同，分位数值没有可比性。实际工作中应明确并固定一套分类标准，常见选择包括：申万行业分类（市场研究使用最广）、中信行业分类、中证/国证行业指数体系、证监会行业分类。课程后续对照统一采用申万一级行业作为板块划分基准，估值序列取对应申万行业指数，确保“板块—指数—估值序列”三者一一对应。

还需注意分类标准的版本与调整历史。申万分类经历过多次修订，行业名称与成分股会随时间变化。若直接拉取十年序列而不处理分类变更，早期数据可能对应旧口径。稳妥做法是：以当前分类版本为准，对历史上发生过行业迁移的个股，在成分股层面按“当时归属”回溯，或在指数层面直接使用指数公司维护的历史序列（其已内含调整）。前者适合自算，后者适合直接取数，二者不可交叉混用。

三、数据清洗要点：把“看起来能用”变成“可以比较”

负值与极端值处理。行业整体 PE 在整体法下通常为正，但若采用中位数法或成分股含大量亏损公司，可能出现负值或数百倍的极端值。分位计算对极端值敏感，建议统一规则：整体法序列保留原值；中位数法序列剔除 PE≤0 的样本，并对超过历史 99.5 分位的值做缩尾（winsorize）处理，缩尾比例固定并记录在案，保证不同板块处理一致。

缺失值与停牌日。指数估值序列在节假日、数据源故障时可能缺失。处理方式应固定为“前值填充”或“剔除该日”，不可一处填充一处剔除。停牌个股在成分股加权自算时，权重按停牌前收盘价计算，避免因价格缺失导致权重漂移。

成分股调整对齐。指数每半年调整成分股，若自算估值，需在调整生效日切换成分股名单与权重，并对调整日前后序列做连续性检查。一个实用做法是：以指数公司公布的历史权重文件为准，逐期对齐，而不是用当前成分股回溯全部历史——后者会造成明显的“幸存者偏差”，使早期估值失真。

时间窗口与样本量。分位窗口建议不短于 8 年，以覆盖一轮完整牛熊；样本量低于 1500 个有效交易日时，分位稳定性下降，应在结果表中标注样本数，供对照时参考。数据截止日必须统一，避免不同板块取数日期不一致。

四、一个可复用的处理示例

假设我们要对照 5 个申万一级板块的 PE 分位，操作顺序如下：从终端导出各板块指数近 10 年 PE-TTM 日序列（字段：日期、代码、PE），统一截止到同一交易日；按上述规则剔除无效值并缩尾；对每个板块计算分位并记录有效样本数；最后抽样 3 个板块，用指数公司官方文件复核当前 PE，偏差超过 2% 则回查数据源口径。这样得到的对照表，才具备“同一把尺子”下的可比性，也才能在后续高低切换判断中作为可靠输入。