美股深度
🌎 美股 = 全球最大市场 —— 系统掌握美股投资。
🎯 美股市场结构
| 指数 | 代码 | 成分股 | 特点 |
|---|---|---|---|
| 道琼斯 | DJIA | 30 只蓝筹 | 历史最悠久 |
| 标普 500 | SPX | 500 只大盘 | 美股基准 |
| 纳斯达克 | IXIC | 3000+ 只科技 | 科技集中 |
| 纳斯达克 100 | NDX | 100 只科技 | 科技龙头 |
| 罗素 2000 | RUT | 2000 只小盘 | 美国小盘 |
| 标普 500 等权 | SPYEW | 500 等权 | 分散 |
📊 美股财报
📌 财报周期
- 10-K：年报（最重要）
- 10-Q：季报
- 8-K：重大事项
- 10-Q + 10-K：完整财报
- S-1：招股书
📌 关键数据
| 数据 | 关注点 |
|---|---|
| Revenue | 同比 / 环比 |
| Gross Margin | 趋势 |
| Operating Income | 经营效率 |
| Net Income | 净利润 |
| EPS | 每股收益 |
| FCF | 自由现金流 |
| Guidance | 业绩指引 |
📌 SEC EDGAR（美股财报源）
- 网址：https://www.sec.gov/edgar
- 所有美股财报原文
- 8-K 重大事项
- 13F 持仓报告
📌 Python 读取财报
python
import yfinance as yf
def get_financials(symbol):
"""读取美股财报"""
ticker = yf.Ticker(symbol)
# 利润表
income = ticker.financials # 4 年
# 资产负债表
balance = ticker.balance_sheet
# 现金流量表
cashflow = ticker.cashflow
# 季度财报
q_income = ticker.quarterly_financials
# 关键指标
info = ticker.info
return {
'PE': info.get('trailingPE'),
'PB': info.get('priceToBook'),
'PS': info.get('priceToSalesTrailing12Months'),
'ROE': info.get('returnOnEquity'),
'毛利率': info.get('grossMargins'),
'净利率': info.get('profitMargins'),
'收入增长': info.get('revenueGrowth'),
}
# 使用
info = get_financials('AAPL')
print(info)📐 美股估值
📌 关键指标
| 指标 | 公式 | 美股优秀 |
|---|---|---|
| PE-TTM | 价格 / TTM EPS | < 25 |
| PE Forward | 价格 / 未来 EPS 预测 | < 20 |
| PEG | PE / 增速 | < 1.5 |
| PS | 市值 / 收入 | 视行业 |
| PB | 价格 / 净资产 | < 5 |
| EV/EBITDA | 企业价值 / EBITDA | < 15 |
| FCF Yield | FCF / 市值 | > 5% |
| 股息率 | 股息 / 价格 | > 2% |
📌 不同行业的 PE 范围
| 行业 | 合理 PE | 高估 |
|---|---|---|
| 科技成长 | 25-40 | > 60 |
| 消费 | 20-30 | > 40 |
| 金融 | 10-15 | > 20 |
| 能源 | 8-15 | > 20 |
| 医药 | 20-35 | > 50 |
| 房地产 | 15-25 | > 35 |
| 工业 | 15-20 | > 30 |
🎯 美股选股
📌 选股框架
python
import yfinance as yf
import pandas as pd
def screen_us_stocks():
"""美股初步筛选"""
# 标普 500 成分股
sp500 = pd.read_html('https://en.wikipedia.org/wiki/List_of_S%26P_500_companies')[0]
symbols = sp500['Symbol'].tolist()
results = []
for symbol in symbols[:50]: # 演示用前 50
try:
ticker = yf.Ticker(symbol)
info = ticker.info
# 基本面筛选
pe = info.get('trailingPE')
roe = info.get('returnOnEquity')
growth = info.get('revenueGrowth')
margin = info.get('profitMargins')
if pe and pe < 20 and roe and roe > 0.15 and growth and growth > 0.1:
results.append({
'symbol': symbol,
'name': info['longName'],
'PE': pe,
'ROE': roe,
'growth': growth,
'margin': margin,
})
except:
continue
return pd.DataFrame(results)📌 经典选股因子
| 因子 | 有效逻辑 | 美股数据 |
|---|---|---|
| 价值 | 低 PE / PB / PS | Fama-French HML |
| 质量 | 高 ROE / 高毛利 | QMJ factor |
| 动量 | 12-1 月 | Momentum factor |
| 低波 | 低波动 | BAB factor |
| 盈利 | 稳定盈利 | Earnings quality |
| 成长 | 营收 / 盈利增速 | Growth factor |
📐 美股行业研究
📌 11 大 GICS 行业
| 行业 | ETF | 特点 |
|---|---|---|
| 信息技术 | XLK | 苹果 / 微软 / 英伟达 |
| 医疗保健 | XLV | 强生 / 辉瑞 / 礼来 |
| 金融 | XLF | JPM / 伯克希尔 / 高盛 |
| 非必需消费 | XLY | 亚马逊 / 特斯拉 |
| 必需消费 | XLP | 可口可乐 / 宝洁 |
| 通信服务 | XLC | 谷歌 / Meta |
| 工业 | XLI | 波音 / 通用电气 |
| 能源 | XLE | 埃克森美孚 / 雪佛龙 |
| 房地产 | XLRE | 美国电塔 |
| 原材料 | XLB | 杜邦 |
| 公用事业 | XLU | 美国电力 |
📊 美股 ETF 配置
📌 推荐 ETF 组合
| ETF | 代码 | 费率 | 5 年 CAGR |
|---|---|---|---|
| SPY | SPY | 0.0945% | 13% |
| VOO | VOO | 0.03% | 13% |
| VTI | VTI | 0.03% | 13% |
| QQQ | QQQ | 0.20% | 18% |
| DIA | DIA | 0.16% | 9% |
| IWM | IWM | 0.19% | 7% |
| VTV | VTV | 0.04% | 11% |
| VUG | VUG | 0.04% | 15% |
📌 经典组合
60/40 组合：
- 60% 标普 500 (SPY/VOO)
- 30% 长期国债 (TLT)
- 10% 现金
三基金组合：
- 美国股票 (VTI) 60%
- 国际股票 (VXUS) 30%
- 债券 (BND) 10%📊 实战建议
📌 美股投资 5 原则
- 长期持有：避免频繁交易
- ETF 为主：80% 仓位 ETF
- 分散投资：跨行业、跨地区
- 关注估值：避免追高
- 不预测宏观：专注个股
📌 税务优化
- 长期持有（> 1 年）：资本利得税 0-20%
- 短期持有：按普通收入，最高 37%
- 海外账户：利用外国税收抵免
- 亏损收割：卖亏货抵税
📖 相关阅读
来源
- 证监会公开公告
- 上交所交易规则
- 深交所 / 北交所规则
- 中国证券业协会（SAC）、中国证券投资基金业协会（AMAC）公开资料
- 国家金融监督管理总局、人社部、财政部、税务总局公开资料
💡 数据截至 2026-08；具体规则以交易所/监管机构最新公告为准。