果仁网和通达信是什么关系

　　通达信和果仁网都有选股指标，但是不是同一家公司的，通达信的公式直接搬到果仁的自定义指标中往往行不通。需要将通达信中常用函数在果仁中的对应函数以及用法列举了出来供大家参考，希望能对大家有所帮助。
功能 通达信 果仁
函数 用法 函数 用法
行情函数
返回当日最高价 HIGH/H -- (后复权)最高价 --
返回当日最低价 LOW/L -- (后复权)最低价 --
返回当日收盘价 CLOSE/C -- (后复权)收盘价 --
返回当日开盘价 OPEN/O -- (后复权)开盘价 --
返回当日成交量 VOL/V -- 当日成交量 --
返回当日成交额 AMOUNT -- 当日成交额 --
引用函数
上一次条件成立到当前的天数 BARSLAST BARSLAST(C>O) Dayslast Dayslast(收盘价>开盘价)
统计满足条件的天数 COUNT COUNT(C>O,20) CountDays CountDays(收盘价>开盘价,20)
求最高值 HHV HHV(H,30) Max Max(最高价,30)
求最低值 LLV LLV(L,30) Min Min(最低价,30)
引用若干天前的数据 REF REF(C,1) REF Ref(收盘价,1)
求总和 SUM SUM(V,5) SUM SUM(当日成交量,5)
返回移动平均 SMA SMA(C,5,1.2) SMA SMA(收盘价,5,1.2)
返回简单移动平均 MA MA(C,5) MA MA(收盘价,5)
返回指数移动平均 EMA EMA(C,5) EMA EMA(收盘价,5)
逻辑函数
返回是否连续上涨 UPNDAY UPNDAY(C,5) Dayslast Dayslast(1日涨幅<0)>=5
返回是否连续下跌 DOWNNDAY DOWNNDAY(C,5) Dayslast Dayslast(1日涨幅>0)>=5
返回是否持续存在X>Y NDAY NDAY(C,O,10) Dayslast Dayslast(收盘价<开盘价)>=10
上穿 CROSS CROSS(C,MA(C,5)) crossover crossover(收盘价,MA(收盘价，5))
求逻辑非 NOT NOT(C>O) NOT NOT(收盘价>开盘价)
求逻辑与 AND O>ref(C,1) AND C>O And And(开盘价>ref(收盘价,1),收盘价>开盘价)
求逻辑或 OR O>ref(C,1) OR C>O Or Or(开盘价>ref(收盘价,1),收盘价>开盘价)
根据条件求不同的值 IF IF(C>O,C,O) IF IF(收盘价>开盘价,收盘价，开盘价)
求较大值 MAX MAX(C,O) Greater Greater(收盘价,开盘价)
求较小值 MIN MIN(C,O) Less Less(收盘价,开盘价)
数学函数
求绝对值 ABS ABS(-34) abs abs(-34)
求以10为底的对数 LOG LOG(100) log log(100)
求开方 SRT SRT(16) sqrt sqrt(16)
乘幂 POW POW(C,0.5) power Power(收盘价,0.5)
向下舍入 FLOOR FLOOR(C) floor floor(收盘价)
取余 -- -- Mod Mod(13,10)
统计函数
返回估算样本标准差 STD STD(C,20) stdev Stdev(收盘价,20)
返回估算样本方差 VAR VAR(C,20) var Var(收盘价,20)
返回线性回归斜率 SLOPE SLOPE(C,20) Slope Slope(收盘价,20)
返回线性回归预测值 FORCAST FORCAST(C,20) Forcast Forcast(收盘价,20)
返回过去几天的相关系数 -- -- corr corr(市盈率,60日涨幅,20)
返回过去几天的协方差 -- -- covar covar(市盈率,60日涨幅,20)
大盘函数
返回大盘成交额 INDEXA MA(INDEXA,5) #bench.Amt.指数代码 MA2(#bench.Amt.000300,5)
返回上涨家数(比例) INDEXADV INDEXADV #bench.up.指数代码 #bench.up.000300
返回下跌家数(比例) INDEXDEC INDEXDEC #bench.down.指数代码 #bench.down.000300
返回大盘收盘价 INDEXC MA(INDEXC,5) #bench.Close.指数代码 MA2(#bench.Close.000300,5)
返回大盘最高价 INDEXH HHV(INDEXH,30) #bench.high.指数代码 Max2(#bench.high.000300,30)
返回大盘最低价 INDEXL LLV(INDEXL,30) #bench.low.指数代码 Min2(#bench.high.000300,30)
返回大盘开盘价 INDEXO REF(INDEXO,2) #bench.open.指数代码 ref(#bench.open.000300,2)
返回大盘成交量 INDEXV MA(INDEXV,5) #bench.Vol.指数代码 MA2(#bench.Vol.000300,5)

　　互联网是如何改变一个公司的寿命的呢

　　跟踪互联网公司的用户可以判断趋势，尤其在行业层面上，这种尝试会比较意义，可参考三年前的思考“10 年200 倍的互联网投资策略：平台的力量”，但用来定义公司的价值似乎并不容易。
互联网公司的魅力正是因为有无限可能性，新三板公司亦是如此，对标纳斯达克的新三板中酝酿着诸多黑马，但对于投资人来说，最大的难题便是如何从3000多家新三板公司中找出黑马，以及如何为这些公司正确估值。
传统的估值体系在新三板并不可行，且难以找到可标准化操作的体系。随着新三板挂牌公司不断增加，这一问题会越来越突出。
互联网公司该如何估值这个问题虽然在圈子内被广泛提及，但似乎并没有特别满意、统一的答案，伴随注册制和VIE们的回归，我们相信，这个问题将会更加重要且棘手，我们尝试着把截至目前的一些碎片化的感悟和体会梳理一下，抛砖引玉。
互联网公司的估值有何特殊性
如果，今天的“互联网”可以视作是科技的代名词，那么科技股，或者叫新经济，有个最大的特征就是变化相当快。这种快可以表现在几个方面：
1.技术迭代快
技术发展趋势难以准确判断，以前的领先者可能很快变为落伍者，存在所谓“先行者的诅咒”，从模拟相机到数字相机，从MP3到音乐手机，从电纸书阅读器到IPAD，从传呼机到手机...新技术到来后对传统技术是摧枯拉朽式的颠覆；
2.马太效应
小公司从崛起到成为龙头几乎就是几年时间，timing非常重要，再好的创意，再多的资金，错过了风口，就难于翻盘，但在初期这种潜在巨头很难预测。比如千团大战后存活下来的活跃、体量玩家仅剩几家，比如诸多的移动IM，微信走出来后易信、来往等很难复制，比如早年同雅虎雷同的门户类公司很多，但最后走下来的只有寥寥几家；
3.边际定义
通用型的科技可以横跨很多不同的行业，很难定义边界。互联网作为诸多科技的代表，可以连接几乎所有行业，如互联网教育，互联网制造，互联网农业，互联网旅游...在“互联网+”提出之后，千行百业都被辅以互联网的标签，都是互联网企业。比如苹果，这到底是家硬件企业，软件企业，还是互联网企业再比如华大基因，它是生物企业，还是互联网企业还有大疆，它是消费电子，还是互联网，还是自动化企业
4.国家政策
对于传统企业，由于其增长，成熟会经历漫长的周期，因此在行业政策上不必特别拘泥于一些收紧或放松，但对于从一个仅3-5年就可以从1到100的科技行业，这种影响就变得弹性很大。例如我们都知道Uber的商业模式颇佳，但它在多个国家都被严查抵制，那么会不会未来一家新的Uber找到了不彻底的革命方式但又可以被认同的中间路线，从而在部分国家走的更快呢比如像3G、4G，牌照发放、制式选择、全球供应商的准入，都会和监管部门的意志有很大关系。
5.商业模式
网络公司的商业模式很难一触而就，几乎伴随着从创业期到成熟期，每年都有新的尝试和考虑。比较典型的例子就是奇虎360，这家公司在上市前的几年中，曾经尝试过若干种盈利方式，比如考虑网络U盘(现在叫云盘)收费，软件会员制等等，但直到上市后，才确定浏览器流量甩出+游戏/联运双主线驱动...这样的故事似乎发生在所有的初创企业中。
6.上市阶段
一个标准意义的互联网公司大约经历三个阶段，一是初创阶段，大量的研发、服务器/带宽投入，少量或者几乎可以忽略的收入；二是成长阶段，表现为用户的快速增长，商业模式的不断成熟，但这个阶段或许它们还没有盈利，理由是他们将利润用于补贴市场和最终用户，加速自身的马太效应；三是成熟阶段，公司的用户增速放缓但收入增速较快，开始实现盈利。
如果所有的互联网公司都能够在第三阶段上市，换句话说，就是我们历史比较熟悉的估值体系，我们可以简单的按照一些指标如DCF或者PE等方式给它定价，但问题恰恰是：他们会经常在阶段一或者阶段二就上市，多数表现为有收入没利润，甚至是有用户没收入大幅亏损!这确实让很多本来意愿的参与者无所适从。
如果我们用绝对估值法去给公司定价，你会很郁闷的发现，企业的永续增长率的赋予是没有意义的，2%-10%甚至更高，你永远说不清楚期间差距的几个点的区别在哪里假如我们回顾，在1999年纳斯达克4000家上市公司直到今天，仅有不超过5家创了当年新高(苹果、亚马逊、微软...欢迎补充)，收入我没有统计，但数量也不会太多(比如思科收入比当时高，但市值远不如前)，我们会意识到，几乎99%的公司永续增长率其实是负值！但那个时候的投行或者公司自己，甚至包括市场，会这样认为吗
一句话，科技股代表未来，称之为新经济，“未来”或者“新”是不确定的，这就是区别传统企业的最大之处，也正是如此，他们才会在投资人心目里种下诸多的梦，演绎着无限的憧憬。因此，在**与梦想之余，互联网企业估值所要面临的最大的挑战是不确定性。
在1998年伯克希尔·；哈撒韦的年会上，巴菲特被问及是否考虑过在未来的某个时候投资于科技公司，他回答说：“这也许很不幸，但答案是不。”巴菲特继续说：“我很崇拜安迪·；格鲁夫和比尔·；盖茨，我也希望能通过投资于他们将这种崇拜转化为行动。但当涉及微软和英特尔股票，我不知道10年后世界会是什么样。
从传统的估值方法出发，互联网公司真实的走法给了投资人的基本是否定。
估值与收入/利润有关吗
亚马逊是电商领域的龙头，过去的十年里它的盈利能力可以忽略，但是由于它的营收增速始终保持30%左右，因此它的市值从2005年的200亿美元到了现在的2000亿+，所以，在这个案例里，显然，估值和利润关系不大。
以中国移动为例，2014年的中国移动比2007年收入接近翻了一倍，利润大约增加了50%，但市值掉了一半。如果我们小结说因为增速低了，所以PE下去了，因此，估值应该和收入或者利润增速有关，很好的想法，我们继续。
2011年以后，腾讯控股的营收增速和利润增速较再早期，有个系统性的跌落，之前每年60-80%以上的平台上，2011年后基本是在50%以下，且利润的增速掉的更多，到了20-30%之间，但问题是PE从23倍大幅向上摆动到47倍。那么为什么增速低了反倒市盈率高了大家说，因为有微信了，微信改变了市场对公司的预期，所以不必要看当期的市盈率，而是要看微信未来的产业布局。那就是用户了换句话说，只要互联网公司的用户在快速增长，就可以不必在意收入、利润、收入增速与用户增速
可以验证该逻辑的有不少案例，例如，2012年Facebook上市，由于它的用户一直较快增长，因此它的市值也快速增加，尽管市盈率有2013年90倍，2014年70倍之高。
我们终于讨论到用户了。
梅特卡夫定律
从梅特卡夫定律说起。罗伯特·；梅特卡夫(Robert Metcalfe，1946年-)，出生于纽约布鲁克林，3Com公司创始人，且制定了梅特卡夫定律 (Metcalfes Law)，其内容是：网络的价值等于网络节点数的平方，网络的价值与联网的用户数的平方成正比。在有n个成员的通信网络中，每个成员可以与其他成员建立n-1个关系。于是，他认为网络价值V=K*n的平方，K是个常数。这个定律被称之为圣经，主要说服那些投资人，互联网公司只要有用户就是好的，任务也是要获取用户。
但伴随互联网泡沫的破灭，回归理性来看梅特卡夫定律，它也有自身的不足。比如说，如果网络规模具有如此大的爆发力，那么为什么有诸多的孤立网络公司存在而不是一股脑的整合起来或者，如果梅特卡夫定律正确，那么不管两个网络的相对规模有多大，它们都应当互联，但这与历史发展相违背。可参考文章“通信网络价值的魔鬼梅特卡夫定律错在何处”。
我个人认为，伴随着网络规模的扩大，每增加一个用户带给网络的价值效应应该是有衰减的。举个简单的例子，如果我们再加入一个因子，时间，把公式改为V=K*N2*T，就比较能够说明问题。T的含义是，我们究竟有多少时间停留在该网络里。停留时间越长，电商/广告/游戏等变现的能力越强，网络价值越大。在微信中，我们增加了一个好友，我们是不是会花一样多的时间关注他/她的点点滴滴呢显然不是，如果我们有10000个好友，我们是不是会把一天24小时都用在微信中呢也不可能。
人们总是关注和自己关系最近、最好、最感兴趣的朋友或者话题，因此，伴随着网络规模的增加，后进入网络的用户对于网络中的个体的时间占用分布应该是逐渐衰减的，也就是说，N(数量)增加了，T(时间)减少了，因此网络的价值不应该是N2(平方)，而是一个低于N2但大于线性的，包含增长极限特征的曲线。
齐普夫定律正是回答了这一点，齐普夫于20世纪40年代提出的词频分布定律。以英语文本的一大段典型内容为例，最常见的单词the通常占所有出现单词的近7%。排在第二位的词语：of占所有出现单词的3.5%，而排在第三位的单词and占2.8%。换句线…)紧密对应。如果网络有n个成员，这个值就与1 + 1/2 + 1/3 +… + 1/(n–1)成正比，齐普夫定律很好的诠释了长尾定律，最后，这接近对数函数Ln(n)。
如果我们用公式V=K*n*Ln(n)来表达这样一个带有n与增长极限e共同存在的网络价值模型，似乎比梅特卡夫定律更接近真实情况。但，这不是问题的关键，因为他们都是增长模型，如果我们不知道用户数在X时的网络价值，那我们也不知道用户数在X(1+Y%)时的网络价值。换句话说，K如何确定
关于K。简要说来，K是网络公司由用户变成盈利能力的系数，通俗说就是货币化系数。我们可以猜测，K与几个要素有关：第一，互联网公司存在马太效应，因此行业地位或者叫先发优势非常重要，在3-5年的一拨趋势中，我们的记忆几乎没有一个公司市场份额超过50%以后而份额被另外一个公司替代，因此K中应该包含某种先行者或者行业龙头的“马太”因子；第二，商业模式决定了一个公司的议价能力和盈利的持续性，因此，对于2B/2C的不同议价能力，也应该区分来看；第三，用户黏性与活跃度。由于平台本身的定位、产品、体验，会带来用户在不同平台上的活跃度，流失率不尽相同，比如SNS属性的平台黏性，也要分熟人社交平台活跃度较高，而陌生人平台活跃度较低。
第四，单体用户的盈利能力ARPU，这个不需要多说，但这个数字的稳定性、持续性和前几条因素都有关系。还有，一个网站用户没有增长的前提下，今年和明年的收入可能大不相同，因为它开始货币化了，那么我们能说这个网站的价值在大幅度提高吗换句话说，我们给ARPU是个预期值，还是现值好像都不是，因为如果给现值，比如ARPU=0，那么得到的结论是网站V价值=0，如果给预期值，这种预期的可实现性如何保障
当我们认为离真像似乎越来越近的时候，反倒让自己离实战越来越远，这就是我对以上分析的感觉。因为即便我们在形而上学层面上仿佛列出了可以导出问题答案的，种种可能性的方法和步骤，但会依然觉得这个方法无法落地实践。因为，马太效应，商业模式，用户粘度/活跃度，单体ARPU等，这些很难用一套模型去定量化，更何况，再加上时间与发展的维度，会让问题更加复杂。
简单说来，跟踪互联网公司的用户可以判断趋势，尤其在行业层面上，这种尝试会比较意义，可参考三年前的思考“10 年200 倍的互联网投资策略：平台的力量”，但用来定义公司的价值似乎并不容易。但是否说这些方法没有意义呢我想不是。因为这样的思考会让我们理解互联网的本质，权当是定性分析方法的有益探索，而且，我至今不排除这些定性分析方法在未来被逐渐定量化的可能性。

　　在哪可以查看一支股票的历史市盈率

　　同花顺和大智慧软件上不都有吗。。

　　A股的平均市盈率在哪里可以查询呀

　　03进入沪指04进入深指，在指数走势图的右侧就可以看到“值”点他就可以看到平均市盈率相关信息

　　怎么查股票的市盈率

　　打开股票软件
输入个股代码以后
电脑端按f10可以查询个股资料
手机APP直接查看个股简况
以同花顺股票软件手机端，个股600037为例
可以看到目前该股动态市盈率为21.67