Stock Valuation Monitor
股票和ETF估值监控SKILL，用于评估投资标的的估值水平，帮助投资者识别机会区间（低估）和风险区间（高估）。
功能特点
- - 多维度估值分析：支持PE（市盈率）、PB（市净率）估值指标
- 历史百分位计算：基于5年历史数据计算PE/PB百分位
- 估值区间评估：
- 机会区间（低估）：PE/PB百分位 < 30%
- 合理区间：PE/PB百分位 30%-70%
- 风险区间（高估）：PE/PB百分位 > 70%
- - BAND分析：计算PE/PB的20%/50%/80%分位数作为估值区间带
- 批量查询：支持同时查询多只股票或ETF
使用方法
查询单只股票估值
CODEBLOCK0
查询多只股票的估值
CODEBLOCK1
查询ETF估值
CODEBLOCK2
获取估值提醒
CODEBLOCK3
输出说明
SKILL返回以下信息：
- 1. 基本信息：股票名称、当前价格、总市值
- PE估值：
- 当前PE（动态）
- 历史PE百分位
- PE估值区间（最低/中位数/最高）
- PE BAND（20%/50%/80%分位）
- 3. PB估值：
- 当前PB
- 历史PB百分位
- PB估值区间（最低/中位数/最高）
- PB BAND（20%/50%/80%分位）
- 4. 估值评估：
- 当前估值区间（机会/合理/风险）
- 投资建议
估值区间定义
| 区间 | PE百分位 | PB百分位 | 投资建议 |
|---|
| 机会区间（低估） | < 30% | < 30% | 积极关注，适合定投 |
| 合理区间 |
30%-70% | 30%-70% | 持有观望 |
| 风险区间（高估） | > 70% | > 70% | 考虑减仓 |
数据源
- - 实时行情数据：东方财富
- 历史财务数据：东方财富数据中心
- 历史价格数据：AkShare
注意事项
- 1. 数据仅供参考，不构成投资建议
- 估值分析基于历史数据，未来表现可能不同
- 建议结合基本面分析和市场环境综合判断
- 部分新上市股票可能历史数据不足，百分位计算可能不准确
依赖要求
- - Python 3.8+
- akshare
- pandas
- numpy
- requests
更新日志
v1.0.0 (2026-03-10)
- - 初始版本发布
- 支持A股和ETF估值查询
- 支持PE/PB历史百分位计算
- 支持估值区间评估
股票估值监控
股票和ETF估值监控SKILL，用于评估投资标的的估值水平，帮助投资者识别机会区间（低估）和风险区间（高估）。
功能特点
- - 多维度估值分析：支持PE（市盈率）、PB（市净率）估值指标
- 历史百分位计算：基于5年历史数据计算PE/PB百分位
- 估值区间评估：
- 机会区间（低估）：PE/PB百分位 < 30%
- 合理区间：PE/PB百分位 30%-70%
- 风险区间（高估）：PE/PB百分位 > 70%
- - BAND分析：计算PE/PB的20%/50%/80%分位数作为估值区间带
- 批量查询：支持同时查询多只股票或ETF
使用方法
查询单只股票估值
查询股票 300327 的估值
查询中颖电子的估值情况
评估 300327 的投资价值
查询多只股票的估值
查询 300327、002594、600519 的估值
比较中颖电子、比亚迪、贵州茅台的估值水平
查询ETF估值
查询 ETF 510300 的估值
评估沪深300ETF的投资价值
获取估值提醒
监控 300327 的估值，低于机会区间提醒我
当 510300 进入风险区间时发出警告
输出说明
SKILL返回以下信息：
- 1. 基本信息：股票名称、当前价格、总市值
- PE估值：
- 当前PE（动态）
- 历史PE百分位
- PE估值区间（最低/中位数/最高）
- PE BAND（20%/50%/80%分位）
- 3. PB估值：
- 当前PB
- 历史PB百分位
- PB估值区间（最低/中位数/最高）
- PB BAND（20%/50%/80%分位）
- 4. 估值评估：
- 当前估值区间（机会/合理/风险）
- 投资建议
估值区间定义
| 区间 | PE百分位 | PB百分位 | 投资建议 |
|---|
| 机会区间（低估） | < 30% | < 30% | 积极关注，适合定投 |
| 合理区间 |
30%-70% | 30%-70% | 持有观望 |
| 风险区间（高估） | > 70% | > 70% | 考虑减仓 |
数据源
- - 实时行情数据：东方财富
- 历史财务数据：东方财富数据中心
- 历史价格数据：AkShare
注意事项
- 1. 数据仅供参考，不构成投资建议
- 估值分析基于历史数据，未来表现可能不同
- 建议结合基本面分析和市场环境综合判断
- 部分新上市股票可能历史数据不足，百分位计算可能不准确
依赖要求
- - Python 3.8+
- akshare
- pandas
- numpy
- requests
更新日志
v1.0.0 (2026-03-10)
- - 初始版本发布
- 支持A股和ETF估值查询
- 支持PE/PB历史百分位计算
- 支持估值区间评估
