在彼得林奇的《决胜华尔街》中，提到了他的一种选股思路，那就是在正常的PE估值法基础之上，加上EPS的增速，这样既考虑到了估值水平也加入了成长性因子，这就是PEG估值法。

在聚宽中，有这个策略的案例，我研究了一下，发现作者写的稍微有点啰嗦，修改了一下，加入一些我的想法。

用聚宽网简单建立了一个模型

代码中，难点有几处：

1.因为我是用全市场股票进行回测，并没有从指数成分股中选股，所以，必须过滤掉很多股票，其中包括PE小于等于0，以及利润增速同比小于等于0的股票，这就是 stock=get_fundamentals(query(valuation.code,valuation.pe_ratio,indicator.inc_net_profit_year_on_year     ).filter(indicator.inc_net_profit_year_on_year>0 , valuation.pe_ratio>0)     )这行代码的含义，其中要注意的是，因为是过滤两个条件同时满足，正常应该用&或者and ，但是聚宽用的是“，”隔开就行

2.选出股票之后，要排序进行切片，也就是stok=stock.sort_index(by='peg',ascending=False,inplace=True)这行代码的含义。

这个地方要注意是因为聚宽的pandas版本问题，不能用a.sort_values()这个函数，只能用a.sort_index()这个函数，里面的by=后面可以加列表进行多个因子排序，最后的inplace=True，不能省略，含义是排序之后将原来的顺序替换，不然就白排了，根本不变。

3. 在trade()中的第二个for循环buylist后面一定要加['code']，因为buylist是find()生成的dataframe，里面列太多，要加上提取的列索引

看了一下回测效果，表现很差，这是必然的，因为这个模型距离真正能用还最少需要几处优化：

1.股票标的的选择用全市场明显有问题，必须调整

2.我选的股票是排名前20的股票，这个中写代码的时候就知道有问题，其实和问题1的根本是相同的，都是选取的股票有问题，全市场排名前20的股票peg都高的吓人，明显不能要

3.这个指标其实只是彼得林奇先生选股的方法中的一个因子，太不全面，过滤性还不够

4.这个方法是典型的买入并持有策略，这个方法中A股市场，恐怕只有极少数股票可以使用，实在是和美股比不了

5.我并没有加入牛熊判断依据，单从因子的角度来讲，因子还是没有问题的，加入择时因子应该会更好。

如果自己有策略，但是不会写代码的话，可以给我私信，价钱从几十到几百不等，看策略实现的难易程度而定，我使用的是聚宽平台，代码写好之后，可以在上面上模拟盘和实盘，对应的券商是第一创业证券。