在聚宽(JoinQuant)平台计算个股PE TTM近10年历史分位数（附Python源码）

您好！您提到的“TTM高于个股10年多少的数据”，在金融量化中通常被称为**“市盈率（PE TTM）的历史分位数（百分位）”**。这个指标用于衡量当前股票的估值在过去10年历史中处于什么水平（例如：处于近10年20%的位置，说明当前估值比过去10年中80%的时间都要便宜）。

聚宽中有现成的指标吗？

在聚宽（JoinQuant）的API中，没有直接提供“近10年分位数”这样一个单一的现成字段。但是，聚宽提供了非常完整的历史每日估值数据（包含 PE TTM）。您只需要通过几行简单的 Python 代码，提取过去10年的 PE TTM 数据，就可以轻松计算出这个分位数。

如何在聚宽中计算 PE TTM 近10年分位数？

我们可以使用聚宽的 get_valuation 函数获取过去10年的历史市盈率数据，然后使用 scipy.stats.percentileofscore 来计算当前值在历史数据中的百分位。

以下是具体的 Python 实现代码，您可以在聚宽的**研究环境（Jupyter Notebook）**中直接运行测试：

from jqdata import *
import pandas as pd
import datetime
from scipy import stats

def get_pe_ttm_percentile(stock_code, years=10):
    """
    计算个股 PE TTM 在过去 N 年中的历史分位数
    :param stock_code: 股票代码，如 '000001.XSHE'
    :param years: 历史年数，默认为 10 年
    :return: (当前PE TTM, 历史分位数百分比)
    """
    # 1. 确定时间范围
    end_date = datetime.datetime.now().date()
    start_date = end_date - datetime.timedelta(days=years * 365)
    
    # 2. 获取历史估值数据 (pe_ratio 即为 PE TTM)
    # 注意：get_valuation 每次最多返回 5000 条数据，10年大约 2500 个交易日，单只股票完全没问题
    df = get_valuation(stock_code, start_date=start_date, end_date=end_date, fields=['pe_ratio'])
    
    if df.empty:
        return None, None
        
    # 3. 数据清洗：去除空值，通常也会剔除市盈率为负的情况（亏损时PE无意义）
    pe_series = df['pe_ratio'].dropna()
    pe_series = pe_series[pe_series > 0]
    
    if len(pe_series) == 0:
        return None, None
        
    # 4. 获取最新一天的 PE TTM
    current_pe = pe_series.iloc[-1]
    
    # 5. 计算当前 PE 在历史序列中的分位数 (0-100)
    percentile = stats.percentileofscore(pe_series, current_pe)
    
    return current_pe, percentile

# ================= 测试代码 =================
stock = '000001.XSHE' # 平安银行
current_pe, pct = get_pe_ttm_percentile(stock, years=10)

if current_pe:
    print(f"股票 {stock} 当前 PE TTM 为: {current_pe:.2f}")
    print(f"该估值高于过去 10 年中 {pct:.2f}% 的交易日数据。")
else:
    print("未获取到有效数据。")

代码原理解析：

1. get_valuation：这是聚宽获取市值表数据的核心 API，传入 fields=['pe_ratio'] 即可获取市盈率（TTM）的历史序列。
2. 数据清洗：历史数据中可能存在亏损导致 PE 为负的情况，通常在计算估值分位时会把负值剔除（pe_series > 0）。
3. stats.percentileofscore：这是 SciPy 库中的统计函数，专门用于计算某个数值在一组数据中排在百分之多少的位置，完美契合您的需求。

通过这种方式，您不仅可以计算 10 年的 PE TTM 分位数，还可以灵活修改参数，计算 3 年、5 年的分位数，或者计算 PB（市净率 pb_ratio）、PS（市销率 ps_ratio）的历史分位数，比固定软件上的指标更加灵活强大！