內容首發(fā)

樂學偶得(http://lexueoude.com) 公眾號： 樂學Fintech

用代碼理解分析解決金融問題

首先我們快速了解一下什么是GGM模型。

GGM模型又叫做“戈登增長模型”(Gordon Growth Model，GGM)是用于對公司進行估值的工具。該理論假設公司的內在價值就是將所有未來股息支付折現(xiàn)到今天的價值的總和。它也可以稱為股息折扣模型。

GGM模型的優(yōu)點之一是它的計算非常簡單，我們可以看看下方的數(shù)學公式：

股息(Do)：

公司支付的股息。

通過查看公司公開的年度/季度報告，我們可以輕松獲得公司(Do)支付的最新股息。

增長(g)：股息的預期增長率是恒定的。

計算g的一種方法是采用公司最近支付的兩到三次股息，并計算增長并將其用作持續(xù)增長的值。

注意：這種方法的問題在于，如果公司將其股息支付年度保持不變，那么我們計算中的增長率將為零。

為了克服這個問題，我們將采用不同的方法，而是使用可持續(xù)增長率。

可持續(xù)增長率是公司無需增加股權融資即可實現(xiàn)的增長率。

股本成本(ke)：股本成本(ke)：我們可以使用資本資產定價模型(CAPM)估算所需的股本成本。

GGM模型的假設

當然，如果我們使用模型，一定是假設在理想的環(huán)境下進行估值的。但是往往現(xiàn)實世界并不理想，所以我們一定要搞清楚模型的假設，這樣，在模型失效或者模型產生較大誤差的時候，我們可以清楚的知道從哪里進行排查。

GGM模型使用的假設為：這些年來股息增長率是恒定的。

股利是股東財富的核心。

權益成本必須大于股息增長。否則，我們的模型將給我們負值。

Python建模與免費API分享

為了代碼簡潔與大家能夠輕松復現(xiàn)，我們直接調取了

https://financialmodelingprep.com/ 里的免費API，這個API數(shù)據(jù)非常詳細，可以直接獲取公司的財務數(shù)據(jù)。國內的小伙伴可以使用tushare或者wind接口進行代替。只需要將代碼中的request數(shù)據(jù)源進行修改就可以咯～

數(shù)據(jù)調取與利用Python解析

我們可以直接通過最簡單的request模塊調取數(shù)據(jù)：

dividend =

requests.get(f'https://financialmodelingprep.com/api/v3/financials/income-statement/{這里填入你想調取的公司代碼}')

以這個API接口為例，比如需要返回蘋果公司的dividend信息，可以得到以下返回值：

GGM模型+CAPM模型結合我們需要獲取什么數(shù)據(jù)？

那么數(shù)據(jù)如果能夠通過這種方式調取API獲取，我們需要什么數(shù)據(jù)呢？

公司最新股息

要通過CAPM模型計算權益成本(ke)，我們將需要：公司Beta(B)。可以從financialmodelingprep API中提取

無風險利率(RF)。

市場預期收益率(ERm)。

美股的小伙伴可以計算最近一年的S&P500回報

A股的小伙伴可以計算滬深300的回報

作為我們市場預期回報

要計算可持續(xù)增長率，我們需要支付比率和股本回報率(ROE)。

計算可持續(xù)增長率

接下來，我們需要計算可持續(xù)增長率。計算比率的公式如下：

SGR =股本回報率*(1-股息支付率)

我們可以通過上方跟大家介紹的API獲取股本回報率(ROE)和股息支付率這類公司的關鍵指標。(具體操作為通過Python解析我們上面截圖的以字典形式存放的數(shù)據(jù)，并提取鍵ROE和payout_ratio的值：

metrics = requests.get(f'https://financialmodelingprep.com/api/v3/company-key-metrics/{這里填入你想調取的公司代碼}')

metrics = metrics.json()

ROE = float(metrics['metrics'][0]['ROE'])

payout_ratio = float(metrics['metrics'][0]['Payout Ratio'])

sustgrwothrate = ROE*(1-payout_ratio)

計算權益成本(Ke)

為了通過CAPM 計算權益成本(ke)，我們需要的第一個要素是無風險利率。由于一年期國庫券被視為無風險證券，因此我們將使用一年期國庫券。我們可以使用Pandas DataReader和FRED作為數(shù)據(jù)源。該web.DataReader方法將返回1年國庫券提供的利率時間序列數(shù)據(jù)。

我們再使用iloc [-1]方法檢索DataFrame的最新元素。

import pandas as pd

import pandas_datareader.data as web

import datetime

start = datetime.datetime(2019, 2, 1)

end = datetime.datetime(2020, 2, 27)

Treasury = web.DataReader(['TB1YR'], 'fred', start, end)

RF = float(Treasury.iloc[-1])

RF = RF/100

print(RF)

獲取目標公司beta

同樣通過調取API獲取

beta = requests.get(f'https://financialmodelingprep.com/api/v3/company/profile/{quote}')

beta = beta.json()

beta = float(beta['profile']['beta'])

print(beta)

計算預期的市場回報率

最后，計算權益成本的最后一個要素是預期的市場回報率(即CAPM模型中所謂的市場溢價)。

我們將使用指數(shù)S＆P 500計算去年的市場收益，A股的小伙伴可以使用滬深300進行替代即可。這就是我們將用作預期市場回報的指標。

start = datetime.datetime(2019, 1, 1)

end = datetime.datetime(2020, 7, 7)

SP500 = web.DataReader(['sp500'], 'fred', start, end)

SP500.dropna(inplace = True)

SP500yearlyreturn = (SP500['sp500'].iloc[-1]/ SP500['sp500'].iloc[0])-1

print(SP500yearlyreturn)

接著我們就可以將以上數(shù)據(jù)帶入下方的公式：

大功告成！我們就獲取了所有必需的數(shù)據(jù)來計算權益成本(Ke)。現(xiàn)在我們只需要應用公式就可以通過CAPM模型獲得Ke。

上！

Py！

thon！

ke = RF+(beta*(SP500yearlyreturn - RF))

print(ke)

通過GGM模型進行公司股價估值

GGM = (Dtoday*(1+sustgrwothrate))/(ke-sustgrwothrate)

return GGM

模型的局限性

既然是模型，一定是盡可能的模擬現(xiàn)實，但是既然是模型，就不可能完全模擬現(xiàn)實，一定有相應的局限性，比如這個GGM模型的局限性為：該模型不適用于不支付股息的公司

權益成本必須大于股息增長。否則，我們的模型將返回的為負值(即分母ke-g將為負)

假設每股恒定股息在現(xiàn)實世界中是不現(xiàn)實的

另外，如果大家微調這個模型會發(fā)現(xiàn)：模型估值的返回值對模型的輸入非常敏感。例如，權益成本的輕微增加/減少將對計算值產生重大影響，這樣如果輸入的數(shù)據(jù)不準確或者估計不準確，會導致模型有較大的誤差。

全部代碼

import requests

def valuecompany(quote):

dividend = requests.get(f'https://financialmodelingprep.com/api/v3/financials/income-statement/{quote}')

dividend = dividend.json()

dividend = dividend['financials']

Dtoday = float(dividend[0]['Dividend per Share'])

metrics = requests.get(f'https://financialmodelingprep.com/api/v3/company-key-metrics/{quote}')

metrics = metrics.json()

ROE = float(metrics['metrics'][0]['ROE'])

payout_ratio = float(metrics['metrics'][0]['Payout Ratio'])

sustgrwothrate = ROE*(1-payout_ratio)

print(sustgrwothrate)

import pandas as pd

pd.core.common.is_list_like = pd.api.types.is_list_like

import pandas_datareader.data as web

import datetime

start = datetime.datetime(2019, 1, 1)

end = datetime.datetime(2020, 7, 7)

Treasury = web.DataReader(['TB1YR'], 'fred', start, end)

RF = float(Treasury.iloc[-1])

RF = RF/100

beta = requests.get(f'https://financialmodelingprep.com/api/v3/company/profile/{quote}')

beta = beta.json()

beta = float(beta['profile']['beta'])

start = datetime.datetime(2019, 1, 1)

end = datetime.datetime(2020, 7, 7)

SP500 = web.DataReader(['sp500'], 'fred', start, end)

SP500.dropna(inplace = True)

SP500yearlyreturn = (SP500['sp500'].iloc[-1]/ SP500['sp500'].iloc[0])-1

ke = RF+(beta*(SP500yearlyreturn - RF))

GGM = (Dtoday*(1+sustgrwothrate))/(ke-sustgrwothrate)

print(GGM)

return GGM

valuecompany('這里輸入你想估值的公司代碼')

內容首發(fā)

樂學偶得 公眾號： 樂學Fintech

用代碼理解分析解決金融問題

總結

以上是生活随笔為你收集整理的python股票交易模型_如何用Python建模GGM模型并对股票估值？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。