feat(valuation): rank semiconductors by lower-bound discount

Cai

2026-08-20 61cf007883ae7d6e8d98f7a0a34f94cabaa79da1

 ai-valuation-analyst/tools/rank_semiconductor_valuations.py

@@ -16,6 +16,7 @@
RESULT_ROOT = PROJECT_ROOT / "ana-data/result/股票估值"
OUTPUT_CSV = OUTPUT_DIR / "半导体估值排序.csv"
OUTPUT_MD = OUTPUT_DIR / "半导体估值排序.md"
OUTPUT_MANIFEST = OUTPUT_DIR / "全部行业调研标的估值覆盖manifest.json"

FIELDS = [
    "代码",
@@ -23,6 +24,7 @@
    "所属行业",
    "收盘价",
    "基准区间",
    "低于基准下沿",
    "原判定",
    "泡沫判定",
    "高于基准上沿",
@@ -33,9 +35,6 @@
    "相对MA60",
    "正式报告",
]
LABEL_RANK = {"偏低": 0, "基本合理": 1, "偏贵": 2, "明显偏贵": 3}


def read_csv(path: Path) -> list[dict[str, str]]:
    with path.open("r", encoding="utf-8-sig", newline="") as handle:
        return list(csv.DictReader(handle))
@@ -57,13 +56,12 @@
    return "—" if number is None else f"{number:+.2f}%"


def interval_position(row: dict[str, str]) -> float:
def below_base_low_pct(row: dict[str, str]) -> float | None:
    close = as_float(row.get("close", ""))
    low = as_float(row.get("base_low", ""))
    high = as_float(row.get("base_high", ""))
    if close is None or low is None or high is None or high <= low:
        return float("inf")
    return (close - low) / (high - low)
    if close is None or low is None or low <= 0:
        return None
    return (low - close) / low * 100.0


def display_industries(value: str) -> str:
@@ -131,6 +129,7 @@
                "所属行业": display_industries(source["industries"]),
                "收盘价": "—",
                "基准区间": "—",
                "低于基准下沿": "—",
                "原判定": "特殊结论",
                "泡沫判定": "不适用",
                "高于基准上沿": "—",
@@ -148,12 +147,14 @@
        low = as_float(current["base_low"])
        high = as_float(current["base_high"])
        premium = as_float(current["bubble_premium_pct"])
        discount = below_base_low_pct(current)
        output = {
            "代码": source["ticker"],
            "公司": source["company"],
            "所属行业": display_industries(source["industries"]),
            "收盘价": "—" if close is None else f"{close:.2f}",
            "基准区间": "—" if low is None or high is None else f"{low:.2f}—{high:.2f}",
            "低于基准下沿": "—" if discount is None else f"{discount:.2f}%",
            "原判定": current["label"],
            "泡沫判定": current["bubble_status"],
            "高于基准上沿": "—" if premium is None else f"{max(0.0, premium):.2f}%",
@@ -164,7 +165,7 @@
            "相对MA60": signed_pct(current["distance_to_ma60_pct"]),
            "正式报告": report_path,
        }
        key = (LABEL_RANK.get(current["label"], 4), interval_position(current), source["ticker"])
        key = (0, float("inf") if discount is None else -discount, source["ticker"])
        ranked.append((key, output))

    ranked.sort(key=lambda item: item[0])
@@ -179,8 +180,9 @@
        "# 半导体股票估值排序",
        "",
        f"- 价格日：{'、'.join(trade_dates)}；半导体研究证券共{len(rows)}只。",
        "- 排序：偏低 → 基本合理 → 偏贵 → 明显偏贵 → 特殊结论；同档按 `(收盘价-基准下沿)/(基准上沿-基准下沿)` 从低到高排列。",
        "- 排序：按 `低于基准下沿 = (基准下沿-收盘价)/基准下沿` 从高到低排列，数值越大表示相对基准下沿越便宜；无法计算的特殊结论置于末尾。",
        f"- 分布：偏低{label_counts['偏低']}只、基本合理{label_counts['基本合理']}只、偏贵{label_counts['偏贵']}只、明显偏贵{label_counts['明显偏贵']}只、特殊结论{label_counts['特殊结论']}只。",
        "- “低于基准下沿”为正表示收盘价低于下沿，为负表示收盘价高于下沿；该字段是价格位置比较，不代表经营风险已经消除。",
        "- “高于基准上沿”为0表示没有超过基准合理区间上沿；泡沫原因除价格位置外属于最可能解释，不是已经证实的资金因果。",
        f"- 输入：`全部行业调研标的估值覆盖清单.csv` SHA-256 `{sha256(COVERAGE_PATH)}`；`../估值台账/latest.csv` SHA-256 `{sha256(LATEST_PATH)}`。",
        "- 合理区间是条件化估值，不是目标价、交易指令或收益承诺。",
@@ -199,6 +201,15 @@
    lines.append("")
    atomic_write_text(OUTPUT_MD, "\n".join(lines))

    manifest = json.loads(OUTPUT_MANIFEST.read_text(encoding="utf-8"))
    manifest["semiconductor_ranking_trade_date"] = "、".join(trade_dates)
    manifest["semiconductor_ranking_md_sha256"] = sha256(OUTPUT_MD).lower()
    manifest["semiconductor_ranking_csv_sha256"] = sha256(OUTPUT_CSV).lower()
    atomic_write_text(
        OUTPUT_MANIFEST,
        json.dumps(manifest, ensure_ascii=False, indent=2) + "\n",
    )

    print(json.dumps({
        "rows": len(rows),
        "label_counts": dict(label_counts),
@@ -207,6 +218,8 @@
        "csv_sha256": sha256(OUTPUT_CSV),
        "markdown": str(OUTPUT_MD.relative_to(PROJECT_ROOT)),
        "markdown_sha256": sha256(OUTPUT_MD),
        "manifest": str(OUTPUT_MANIFEST.relative_to(PROJECT_ROOT)),
        "manifest_sha256": sha256(OUTPUT_MANIFEST),
    }, ensure_ascii=False))
    return 0