当前位置: 首页 > news >正文

技术指标——格雷厄姆指数

文章目录

    • 1. 格雷厄姆指数是什么?
    • 2. 格雷厄姆指数的作用是什么?
    • 3. 举例计算
      • 例1:牛市顶部(2021年2月)
        • 例2:熊市底部(2024年2月)
        • 例3:中性水平(假设某一般时刻)
    • 4、历史经验判断阈值
      • 5、一个容易踩的坑

1. 格雷厄姆指数是什么?

格雷厄姆指数,是巴菲特的老师,聪明的投资者的作者格雷厄姆所设计的指数,用来衡量当前买股票和买国债,哪个性价比高,本质是【股债收益率比】

格雷厄姆指数 = 沪深全A盈利收益率 (E/P) 中国10年期国债收益率 \text{格雷厄姆指数} = \frac{\text{沪深全A盈利收益率 (E/P)}}{\text{中国10年期国债收益率}}格雷厄姆指数=中国10年期国债收益率沪深全A盈利收益率(E/P)

其中:

盈利收益率 (E/P) = 1 市盈率 (PE) \text{盈利收益率 (E/P)} = \frac{1}{\text{市盈率 (PE)}}盈利收益率(E/P)=市盈率(PE)1

所以等价于:

格雷厄姆指数 = 1 / PE 沪深全A 10Y国债收益率 \text{格雷厄姆指数} = \frac{1 / \text{PE}_{\text{沪深全A}}}{\text{10Y国债收益率}}格雷厄姆指数=10Y国债收益率1/PE沪深全A

直觉理解:把"买股票一年赚多少"和"买国债一年赚多少"做比较。这个比值越高,说明股票相对于债券越"便宜"。

2. 格雷厄姆指数的作用是什么?

用来判断市场的整体贵贱。

1)格指 > 2.4 :极度低估状态,可以最大限度提高股权类资产的比例。

2)格指 > 2.2 : 较低估状态,通过历史数据回溯,这是3年以上才有可能出现的概率,这个时候,定投的资金可以“2倍”处理。

3)格指 > 2:低估状态,从历史回溯,格指大于2的时间也不算多,是我们定投的重要组成时间,这个区间请一定保持定投。当然此时资金的量级保持1-2倍区间即可,虽然不是极限低估,但部分指数也其实进入极限低估状态。

4)2 > 格指 > 1.5:正常及偏低,这个区间,需要针对不同指数进行处理,部分指数已经不适合定投,而部分指数可能仍在低估,我们可以采用较低的总体金额(0.5-1倍),适当的进行低估指数的定投。

5)1.5 > 格指 > 1 :正常及偏高,这个区间,基本没太多可以投资的对象。

6)格指 < 1 :全市场格指 < 1 之后,基本进入疯牛状态,历史极限到过 0.5 以下,股票的潜在收益率仅仅是债性资产的一半,此时应当基于具体指数估值情况,进行充分的止盈。

3. 举例计算

例1:牛市顶部(2021年2月)

参数数值
沪深全A PE(TTM)约 22 倍
盈利收益率 E/P1/22 =4.55%
10Y国债收益率3.28%
格雷厄姆指数4.55% / 3.28% =1.39

指数仅1.39,说明买股票的"赚钱效率"只比国债高39%,股票很贵,风险高。随后A股从3700点区域持续调整。


例2:熊市底部(2024年2月)
参数数值
沪深全A PE(TTM)约 15 倍
盈利收益率 E/P1/15 =6.67%
10Y国债收益率2.45%
格雷厄姆指数6.67% / 2.45% =2.72

指数高达2.72,说明买股票赚的是国债的2.72倍,股票极度便宜。随后2024年9月底出现了大级别反弹。


例3:中性水平(假设某一般时刻)
参数数值
沪深全A PE(TTM)约 17 倍
盈利收益率 E/P1/17 =5.88%
10Y国债收益率2.80%
格雷厄姆指数5.88% / 2.80% =2.10

指数2.10,处于历史中枢附近,股债性价比一般,不算贵也不算便宜。


4、历史经验判断阈值

格雷厄姆指数区间含义历史对应
< 1.5股票极贵/泡沫区域2015年6月牛市顶部、2021年初
1.5 - 2.0偏贵,谨慎多数反弹后的中高位
2.0 - 2.5中性,股债均衡历史中枢附近
2.5 - 3.0偏便宜,可以开始布局2018年底、2022年底
> 3.0极度低估,历史级别机会2024年2月极端低点

5、一个容易踩的坑

格雷厄姆指数变高,不一定是股票变便宜了,也可能是国债收益率下降太快(分母变小)。比如:

场景PEE/P10Y国债格雷厄姆指数
股票真的便宜了13倍7.69%2.80%2.75
国债收益率暴跌(债牛)18倍5.56%1.70%3.27⚠️

第二种情况指数虽然很高,但PE还在18倍——股票并没有变便宜,是债券变贵了。这时候如果盲目根据格雷厄姆指数"抄底",可能会买在高位。

正确用法:同时看格雷厄姆指数和PE的绝对水平,两者共振确认时信号最强。即格雷厄姆指数>2.5PE<15倍 → 强烈的买入信号;格雷厄姆指数<1.5PE>20倍 → 强烈的卖出信号。

http://www.jsqmd.com/news/547155/

相关文章:

  • Python 3.15 JIT上线首周紧急通告(仅向PyPA认证团队开放的调试符号表与JIT缓存清理协议)
  • 突破Elasticsearch查询上限:从max_result_window到track_total_hits的实战解析
  • 基于滑模变结构的小车倒立摆稳摆控制设计与Simulink仿真
  • ai对话式配置:告诉快马你的c++项目需求,智能生成定制化vscode环境
  • 2026年谷歌商店,谷歌三件套,Google play闪退,从根源排查到品牌适配解决方案
  • 嵌入式系统if/else代码优化与设计模式应用
  • M5Stack U126 RTC驱动库:PCF8563T嵌入式实时时钟深度解析
  • 数据脱敏产品需要关注哪些因素?
  • AI 驱动的 Vue3 应用开发平台 深入探究(八):双向代码转换之 模板编译与AST转换
  • 新书速览|Excel+DeepSeek会计与财务高效办公
  • HSE系统如何助力企业实现零事故目标?
  • Ollama平台部署GLM-4.7-Flash:从零开始搭建本地大模型服务
  • 从CRDT到实时协同:基于Yjs与Quill构建企业级文档编辑器的核心实践
  • 学术研究助手:OpenClaw+nanobot自动整理文献笔记
  • 保姆级教程:在Ubuntu 20.04上从零搭建PX4无人机仿真环境(含ROS Noetic和QGC)
  • 【redis面试知识点总结】
  • VisionPro vs Halcon:哪个更适合你的机器视觉项目?从成本到开发效率全对比
  • Windows 10下Modelsim 10.4 SE安装全攻略(附百度云资源及解压密码)
  • 2026年03月GESPC++二级真题解析(含视频)
  • VEGA_MLX90614驱动:软件模拟I²C实现MLX90614红外测温
  • 如何轻松从OPPO手机恢复已删除的短信
  • OpenClaw技能扩展:GLM-4.7-Flash赋能文件整理自动化
  • 从零到一:基于GitHub Pages与Jekyll搭建你的专属学术主页
  • 从 LLM-Chat 到 Agent-Chat:多Agent协作入口的升级设计实战
  • 从Modelsim到Diamond:一个完整FPGA仿真工作流的搭建实录(Win10/64位)
  • STK光照计算实战:从卫星轨道到地面站,手把手教你分析航天器“晒太阳”时间
  • 深入vsomeip事件机制:从Event、Eventgroup到订阅状态机的完整设计解析
  • 无头浏览器优化:OpenClaw通过Qwen3-32B镜像提升爬取效率
  • 从MSTAR到RSDD-SAR:一文看懂SAR目标检测数据集20年演进,你的模型该用哪个?
  • 2026专业运动木地板核心性能深度评测:二手运动木地板、双龙骨运动木地板、二手体育木地板、二手体育馆运动木地板选择指南 - 优质品牌商家