市赚率（PR）股票筛选器

> 基于 ericwarn丁宁（雪球2024十大影响力用户，近10年年化20%）公众号/雪球十年投资体系的市赚率估值方法。AI agent 读取本文档后即可独立完成估值计算，无需依赖外部脚本。

核心能力

当用户提出市赚率估值需求时，AI agent 应直接使用本文档中的公式执行计算并输出结果。如果有外部脚本可用（scripts/pr_calculator.py），优先使用脚本以保证计算精度；如果脚本不可用，直接按本文公式计算。

一、计算引擎（可直接执行）

1.1 输入参数提取

从用户输入中提取以下参数。如果任何必填参数缺失或无效，必须明确告知用户缺少什么、示例格式是什么，绝不允许静默失败。

输入验证规则（强制执行）：

1. PE/PB/ROE/ROA 不能为 0 或负数 → 报错："XX 参数必须大于 0，请提供有效的财务数据"
2. payout 如果提供，必须在 0~1 之间 → 报错："股利支付率应在 0~1 之间（如 0.5 表示 50%），当前值: {value}"
3. roe_list 至少需要 3 个值 → 提示："周期股需要至少 3 年的 ROE 数据，当前仅提供 {n} 个"
4. ROE > 100 → 警告："ROE={value}% 异常偏高，请确认数据正确性，建议使用衍生公式"
5. ROE < 0 → 报错："ROE 不能为负数，亏损企业无法用市赚率估值"
6. 如果 type=bank 但未提供 payout → 提示："银行股建议提供 --payout（股利支付率）以获得修正市赚率，否则仅显示基础 PR"

1.2 核心计算公式

公式一：价值股 / 银行股 / 保险股

base_pr = PE / ROE                    （ROE 取百分号前数字，如 20 表示 20%）

股利支付率修正（仅当提供了 payout 参数时）：

if payout >= 0.50:
    N = 1.0
elif payout <= 0.25:
    N = 2.0
else:
    N = 0.50 / payout                 （线性插值，上限 2.0）

adjusted_pr = N * base_pr
final_pr = adjusted_pr                （有修正时使用修正值）

示例计算（格力电器）：
- PE=8.5, ROE=22.8, payout=0.65
- base_pr = 8.5 / 22.8 = 0.3728
- N = 1.0（payout ≥ 50%）
- adjusted_pr = 1.0 × 0.3728 = 0.3728
- final_pr = 0.3728

公式二：周期股

single_pr = PB / (ROE²) * 100         （ROE 取百分号前数字）

如果提供了 roe_list（多年 ROE 列表），计算三种方法：

avg_roe = sum(roe_list) / len(roe_list)
avg_pr = PB / (avg_roe²) * 100

median_roe = 排序后的中位数
median_pr = PB / (median_roe²) * 100

trimmed_roe = 去掉最高最低后的平均值（需 ≥3 个数据）
trimmed_pr = PB / (trimmed_roe²) * 100

# 综合判断
if 三种方法都 ≤ 0.6: consensus = "低估"
elif 三种方法都 ≥ 1.0: consensus = "高估"
else: consensus = "分歧"

final_pr = avg_pr（默认使用平均值法）

示例计算（中国石油 H 股——验证丁宁案例）：
- PB=0.96, ROE=15.88
- single_pr = 0.96 / (15.88²) * 100 = 0.96 / 252.17 * 100 = 0.3807
- final_pr ≈ 0.38 ✓（与丁宁原文一致）

公式三：衍生市赚率（高杠杆 / ROE 异常）

derivative_pr = PE / (1.5 * ROA)
final_pr = derivative_pr

公式四：PEG（成长股 / 科技股）

peg = PE / growth_rate
# PEG ≤ 0.6: 低估 | 0.6~0.8: 偏低 | 0.8~1.0: 合理 | >1.0: 高估

1.3 卖出阈值计算

if is_hk:
    if hk_tax <= 0.20:
        sell_threshold = 0.80
    else:
        sell_threshold = 0.72
else:
    sell_threshold = 1.0

if is_low_rate:
    sell_threshold = min(sell_threshold * 1.3, 1.4)

1.4 估值状态判定

if final_pr <= 0.4:   → "黄金击球区 ⭐⭐⭐ (PR≤0.4，4折重仓买入)"
elif final_pr <= 0.5: → "深度低估 ⭐⭐ (0.4<PR≤0.5，5折重点买入)"
elif final_pr <= 0.6: → "低估区间 ⭐ (0.5<PR≤0.6，可分批布局)"
elif final_pr <= 0.8: → "偏低区间 (0.6<PR≤0.8，观察等待，不追高)"
elif final_pr <= sell_threshold: → f"合理偏高 (PR≤{sell_threshold}，接近合理估值)"
else: → f"高估区间 ⚠️ (PR>{sell_threshold}，考虑分批卖出)"

1.5 边界条件检查

warnings = []
if ROE < 10:   → "⚠️ ROE={ROE}% < 10%，市赚率可能失真失效（银行股尤甚）"
if ROE > 40:   → "⚠️ ROE={ROE}% > 40%，可能因高杠杆虚高，建议改用衍生公式 PE/(1.5×ROA)"
if ROE > 100:  → "⚠️ ROE={ROE}% 极高，强烈建议改用衍生公式并人工复核"
if PE <= 0:    → "❌ PE 无效（亏损企业无法用市赚率估值）"

1.6 增长率分析

ideal_growth = ROE / 2
min_growth = ROE / 3

if growth >= ideal_growth:    → "✅ 增长率优秀（{growth}% ≥ 理想 {ideal_growth}%）"
elif growth >= min_growth:    → "✅ 增长率达标（{growth}% ≥ 最低 {min_growth}%）"
else:                         → "⚠️ 增长率不达标（{growth}% < 最低 {min_growth}%），投资复利与 ROE 脱钩，建议改用股息率估值法"

1.7 银行拨备覆盖率检查

if coverage >= 300:  → "✅ 安全边际充足（≥300%）"
elif coverage >= 200: → "⚠️ 安全边际一般（200%~300%）"
elif coverage >= 150: → "⚠️ 安全边际偏低（150%~200%）"
else:                 → "❌ 安全边际不足（<150%），丁宁建议不买入"

1.8 行业标杆映射

标杆映射表：
白酒→贵州茅台 | 保险→中国平安 | 煤炭→中国神华H
石油→中国海油H | 券商→中国银河H | 银行→招商银行H | 家电→美的集团

卖出规则：行业标杆 PR 突破阈值后，一并卖出同行业所有股票
阈值：A股标杆 1.0PR，H股标杆 0.8PR

不可被消灭的必需行业（丁宁逆向投资原则）：
✅ 白酒 ✅ 家电 ✅ 石油 ✅ 煤炭 ✅ 银行 ✅ 保险

二、输出格式模板

计算完成后，按以下模板输出结果：

============================================================
📊 市赚率（PR）估值结果 — {股票名称}（{股票代码}）
============================================================

【输入数据】
  市盈率(PE): {pe}
  ROE: {roe}%
  股利支付率: {payout}%（如有）
  市场: {A股/H股}（如H股则标注税率和卖出阈值）

【边界检查】
  {warnings 逐条显示，无则显示"✅ 数据正常"}

【计算过程】
  公式: {formula}
  基础市赚率: {base_pr} = {pe} / {roe}
  {如有股利修正} 修正系数 N: {N} = 50% / {payout}
  {如有股利修正} 修正市赚率: {adjusted_pr} = {N} × {base_pr}
  {周期股} 平均值法 PR={avg_pr} | 中位数法 PR={median_pr} | 去极值法 PR={trimmed_pr}
  {周期股} 三法综合判断: {consensus}

【增长率分析】（如有 growth 参数）
  要求: ≥ {ideal_growth}%（理想）/ ≥ {min_growth}%（最低）
  实际: {growth}% → {评价}

【银行拨备】（如有 provision_coverage 参数）
  拨备覆盖率: {coverage}% → {评价}

【行业标杆】（如提供了 industry 参数）
  标杆: {标杆股票} | 卖出规则: {规则}

────────────────────────────────────────
🏁 最终市赚率: {final_pr}
📈 估值状态: {status}

【操作建议】
  {根据 PR 区间给出具体建议}
============================================================

三、场景处理流程

场景 A：用户提供完整数据

直接执行第一章的计算引擎，输出第二章的格式模板。

场景 B：用户只提股票名称，未提供数据

1. 使用 WebSearch 搜索 "{股票名称} PE TTM ROE 股利支付率 2026"
2. 从搜索结果中提取 PE（TTM）、ROE、股利支付率
3. 如果搜索不到，明确告知用户："未搜索到 {股票名称} 的最新财务数据，请手动提供 PE 和 ROE"
4. 判断股票类型（根据行业自动选择公式）
5. 执行计算并输出

场景 C：用户要求批量筛选

1. 如果用户提供 JSON 文件路径，使用 scripts/pr_screener.py
2. 如果没有文件，先通过 WebSearch 收集目标行业股票数据
3. 构造临时 JSON 文件，调用筛选脚本
4. 输出排序后的筛选结果

场景 D：用户输入数据异常

1. 先执行输入验证规则（1.1 节）
2. 对每个异常参数给出具体错误信息和正确示例
3. 如果可以部分计算（如缺少 payout 但 PE/ROE 完整），给出基础 PR 并标注"缺少 XX 参数，结果仅供参考"
4. 绝不允许静默失败或输出空结果

四、外部脚本（可选加速）

当需要批量处理或高精度计算时，可调用外部脚本。脚本位于 skill 目录下的 scripts/ 中。

pr_calculator.py — 单股计算

python3 {skill_dir}/scripts/pr_calculator.py \
  --type value \           # value/cyclical/bank/derivative/peg
  --pe 15.0 \              # 市盈率
  --roe 20.0 \             # ROE 百分号前数字
  --payout 0.5 \           # 股利支付率（可选）
  --is-hk \                # H股标记（可选）
  --industry 白酒           # 行业（可选）

pr_screener.py — 批量筛选

python3 {skill_dir}/scripts/pr_screener.py \
  -i stocks.json \         # 输入 JSON 文件
  --type all \             # value/cyclical/bank/all
  --max-pr 0.6 \           # 最高市赚率
  --benchmark              # 显示行业标杆

> 注意：{skill_dir} 需替换为 skill 实际安装路径。如果脚本不可用，直接使用本文第一章的内嵌计算引擎。

五、示例数据（用于测试）

文件 assets/sample_stocks.json 包含 20 只 A/H 股样本数据，可用于测试批量筛选功能。

快速测试命令：

python3 {skill_dir}/scripts/pr_calculator.py --type value --pe 16.7 --roe 30.7 --payout 0.8
# 预期输出: 苏泊尔 PR=0.544，低估区间 ⭐

python3 {skill_dir}/scripts/pr_calculator.py --type cyclical --pb 0.96 --roe 15.88
# 预期输出: 中国石油 PR=0.381，黄金击球区 ⭐⭐⭐（与丁宁原文一致）

六、常见错误排查

七、重要注意事项

1. 先定性后定量：先判断企业商业模式、行业地位和 ROE 稳定性，再用 PR 找好价格
2. 不适用场景：亏损股（PE无效）、净现金过多公司、ROE<10%银行股、ROE靠高杠杆堆出的公司
3. 增长率补充：理想增长率≥ROE/2，最低≥ROE/3；不达标则投资复利与ROE脱钩
4. 周期股三法：平均值、中位数、去极值三种方法都低估才是真低估
5. 分红修正适用范围：仅限ROE稳定的价值股，不适用于周期股、科技股、成长股
6. H股阈值不同：A股1.0高估 vs H股0.8（20%税）/ 0.72（28%税）
7. 交易纪律：PR跌到0.4~0.6才建仓，到1.0分批卖出；基本面破坏无条件止损
8. 行业标杆法：龙头高估后一并卖出同行业所有股票
9. 模糊正确：市赚率追求模糊正确而非精确错误，是定量初筛工具而非终极决策依据

八、巴菲特案例验证

> 丁宁统计：巴菲特 90% 的投资案例符合市赚率低估买入标准。

九、资源文件

scripts/（可选辅助工具）

• pr_calculator.py — 市赚率单股计算器，5种估值模式 + 完整异常处理
• pr_screener.py — 市赚率批量筛选器，行业自动分类 + 标杆标注

references/

• pr_method.md — 市赚率估值体系完整参考

assets/

• sample_stocks.json — 20只多行业 A/H 股样本数据