手册定位：模块二「选股因子实战」第 1 篇。估值因子是最经典的价值因子——PE/PB/PS。本篇讲因子怎么从接口数据算出来、怎么标准化、怎么用。
数据来源复用模块一：市值取实时行情（#01/#02），净利润/净资产/营收取财务三表（#04）。接口不重复罗列。

1. 你将得到什么

• PE（市盈率）、PB（市净率）、PS（市销率）的计算公式与取数字段；
• 把原始财务+行情整理成估值因子表的函数；
• 用分位数对估值因子做标准化的雏形；
• 估值因子的 4 个坑（负值、周期股、口径、极端值）。

2. 取数约定（复用）

3. 数据来源（复用，不重复罗列端点）

• 行情/市值：/hs/real/ssjy/{代码}、/hs/fin/capital/{代码}.{市场}（详见 #01、#04）
• 财务：利润表 /hs/fin/income、资产负债表 /hs/fin/balance（详见 #04）

4. 核心模板函数（自包含可跑）

import pandas as pd

_MOCK = True


def build_valuation(df):
    out = df.copy()
    out["PE"] = out["总市值"] / out["归母净利润"].replace(0, pd.NA)
    out["PB"] = out["总市值"] / out["归母净资产"].replace(0, pd.NA)
    out["PS"] = out["总市值"] / out["营业收入"].replace(0, pd.NA)
    return out


def quantile_score(s, ascending=True):
    return s.rank(ascending=ascending, pct=True)


def run_check():
    universe = pd.DataFrame([
        {"代码": "600519", "总市值": 2.0e12, "归母净利润": 7.5e10, "归母净资产": 7.5e11, "营业收入": 1.5e11},
        {"代码": "000001", "总市值": 3.0e11, "归母净利润": 3.0e10, "归母净资产": 4.0e11, "营业收入": 1.3e11},
        {"代码": "600036", "总市值": 9.0e11, "归母净利润": 1.4e11, "归母净资产": 9.0e11, "营业收入": 3.0e11},
    ])
    v = build_valuation(universe)
    assert (v["PE"] > 0).all() and (v["PB"] > 0).all() and (v["PS"] > 0).all()
    v["PE_score"] = quantile_score(v["PE"], ascending=True)
    assert v["PE_score"].between(0, 1).all()
    print("校验通过 | 样本PE:", v["PE"].round(1).tolist())
    return v


if __name__ == "__main__":
    run_check()

5. 跑通示例

v = run_check()
cheap = v[v["PE_score"] <= 0.34].sort_values("PE")
print(cheap[["代码", "PE", "PB", "PS"]])

6. 坑与注意事项

1. 负盈利：亏损股 PE 为负无意义，要单独剔除或换用 PB/PS。
2. 周期股陷阱：周期股在盈利高点 PE 极低，估值因子要结合行业中性。
3. 口径统一：市值、净利润口径全样本统一。
4. 极端值：微利股 PE 会爆高，标准化前先 winsorize 再排名。

7. 小结与下一篇预告

估值因子就位。下一篇讲成长因子——用营收/利润增速刻画高成长，是价值+成长的经典互补。

下一篇预告：《【Python量化实战全攻略 #10】成长因子手册：营收、利润增速因子构建（附代码）》

8. 免责声明

本文为因子构建方法示例，演示数据为虚构，不构成投资建议。

关于数据来源：本文因子所需的财务与行情数据均来自智兔数服（www.zhituapi.com）官方文档接口（详见本系列 #01、#04），覆盖 200+ 已验证路径，注册可领免费 token 做研究测试。
更多实战手册见技术博客：zhituapi.com/blog.html。
本系列《Python量化实战全攻略》共 32 篇，下一篇讲成长因子。