当Python量化遇见彼得·林奇:找寻数据背后的价值锚点(附源代码)

八、完整代码送给你

老余把完整代码整理好，你直接复制保存成`lynch_analyzer.py`就能跑：

"""彼得·林奇风格股票分析器老余捞鱼版本 v1.0"""import yfinance as yfimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')# 设置中文字体（Windows）plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falseclass LynchAnalyzer:    def __init__(self, stock_list):        self.stock_list = stock_list        self.results = []    def get_data(self, ticker):        """获取单只股票数据"""        try:            stock = yf.Ticker(ticker)            hist = stock.history(period="3y")            info = stock.info            return hist, info        except:            print(f"{ticker} 数据获取失败")            return None, None    def analyze(self, ticker):        """分析单只股票"""        hist, info = self.get_data(ticker)        if hist is None:            return None        # 提取关键指标        pe = info.get('trailingPE')        peg = info.get('pegRatio')        profit_margin = info.get('profitMargins')        market_cap = info.get('marketCap')        result = {            '代码': ticker,            '公司': info.get('longName', 'N/A'),            'PE': pe,            'PEG': peg,            '利润率': profit_margin,            '市值': market_cap,            '价格': info.get('currentPrice'),            '行业': info.get('industry', 'N/A')        }        # 老余点评        if peg is not None:            if peg < 1.0:                result['点评'] = "估值合理"            elif peg < 1.5:                result['点评'] = "估值中等"            else:                result['点评'] = "估值偏高"        else:            result['点评'] = "数据缺失"        return result    def scan_all(self):        """扫描所有股票"""        for ticker in self.stock_list:            result = self.analyze(ticker)            if result:                self.results.append(result)        return pd.DataFrame(self.results)    def plot_peg_pe(self):        """画PEG-PE散点图"""        df = pd.DataFrame(self.results)        df = df.dropna(subset=['PE', 'PEG'])        plt.figure(figsize=(14, 8))        plt.scatter(df['PE'], df['PEG'], alpha=0.6, s=100)        # 标注        for i, row in df.iterrows():            plt.annotate(row['代码'], (row['PE'], row['PEG']),                         xytext=(5, 5), textcoords='offset points', fontsize=9)        # 参考线        plt.axhline(y=1.0, color='green', linestyle='--', alpha=0.5)        plt.axhline(y=1.5, color='orange', linestyle='--', alpha=0.5)        plt.axhline(y=2.0, color='red', linestyle='--', alpha=0.5)        plt.axvline(x=25, color='blue', linestyle='--', alpha=0.5)        plt.xlabel('市盈率 (PE)', fontsize=12)        plt.ylabel('PEG比率', fontsize=12)        plt.title('股票估值分析图（绿色虚线以下较优）', fontsize=14)        plt.grid(True, alpha=0.3)        plt.show()    def export_results(self, filename='stock_analysis.xlsx'):        """导出结果到Excel"""        df = pd.DataFrame(self.results)        df.to_excel(filename, index=False)        print(f"结果已保存到 {filename}")# 使用示例if __name__ == '__main__':    # 定义关注列表    watch_list = ['AAPL', 'MSFT', 'GOOGL', 'AMZN', 'TSLA', 'NVDA',                   'META', 'NFLX', 'ORCL', 'CRM', 'AMD', 'INTC']    # 创建分析器    analyzer = LynchAnalyzer(watch_list)    # 扫描所有股票    results_df = analyzer.scan_all()    print("\n=== 扫描结果 ===")    print(results_df[['代码', 'PE', 'PEG', '点评']])    # 画图    analyzer.plot_peg_pe()    # 导出Excel    analyzer.export_results()    print("\n=== 特别关注（PEG<1且PE<25）===")    candidates = results_df[(results_df['PEG'] < 1.0) & (results_df['PE'] < 25)]    print(candidates[['代码', '公司', 'PE', 'PEG']])