莱特收益如何计算 投资收益率的计算

一、如何找股票的PEG

操作环境：win10最新版本11.1wind

如何找股票的PEG，其实是通过注册股票交易软件，打开股票搜索窗口，输入股票代码，可查看股票的卖盘和买盘。按F5键可将页面切换至K线图界面。PEG数值是上市公司的市盈率除以盈利增长速度得到的数值。

一、什么是股票的PEG？

PEG指标即市盈率相对盈利增长比率（EPS增长率），是由上市公司的市盈率除以盈利增长速度得到的数值。该指标最先由英国投资大师史莱特提出，后来由美国投资大师彼得·林奇发扬光大。PEG指标最先在英国证券市场上使用，但1992年，史莱特通过自己的著作《祖鲁原则》，将市盈率相对盈利增长比率(PEG)这一投资和选股方法推广到了美国。此后，在美国著名投资大师彼得·林奇的努力下，终于使这一投资理念深入人心。

二、如何查询股票的PEG步骤流程

1、首先需要注册并登录股票交易软件。

2、接下来需要在股票交易软件的右下角，打开股票搜索窗口。

3、接下来需要在股票搜索窗口输入股票代码，也可通过拼音简写来进行搜索。

4、接下来需要在股票信息页面的右侧，可查看股票的卖盘及买盘，还资金流入及流出情况。

5、股票信息页面的右侧，可查看股票的卖盘及买盘，还可以看资金流入及流出情况。

6、按F5键可将页面切换至K线图界面，此页面你还可查询MACD及KDJ等运行情况。

三、使用PEG时辅助指标的选择问题

1、公式分母增长率的选用问题。国际应用较多的计算方法是选择EPS增长率，但在计算EPS增长率时注意应加权计算，否则会受到股本变动影响而失真。而加权计算对于普通投资者而言无疑增加了很多难度，因此，在实际应用中可以选择使用净利润增长率替代EPS增长率，效果是一样的，我就是这样使用的。

2、时点选择问题。我用PEG，首先会算出历史增长率的PEG比率（通常是过去三年），其次会算出预期增长率的PEG比率（未来估值），再次算出当前增长率的PEG（当前是否高估，买点的选择）。

3、PEG使用时配合其它指标如：净资产收益率、净资产增长率、毛利率、高送转预期、市值尽可能小

二、如何预测未来IT趋势

预测未来IT趋势需综合运用多维度分析方法，结合技术观察、跨界思维与数据洞察，以下为具体策略：

一、关注异常信号：矛盾、颠倒、怪异与巧合保罗·萨夫提出的四类异常信号是捕捉趋势的关键：

矛盾：当看似对立的现象同时出现时，可能预示根本性变革。例如2007年股价与金价同步上涨，暗示传统金融体系面临压力，为后续金融危机埋下伏笔。IT领域中，若出现“硬件成本下降但用户付费意愿降低”的矛盾，可能预示订阅制或免费增值模式的崛起。颠倒：角色错位揭示深层问题。如墨西哥警方与毒贩的形象颠倒，反映权力结构变化。在IT中，若用户开始为传统免费服务付费（如早期社交媒体转向付费订阅），可能预示商业模式重构。怪异：专家行为与市场反应的背离常蕴含先机。2002年工程师对机器人吸尘器兴奋却不购买，暗示其技术价值超越实用需求，可能推动机器人技术向工业或医疗领域延伸。巧合：同时发生的重大事件可能指向趋势。如2007年自动驾驶竞赛与连环车祸的巧合，暗示技术替代人力的必然性。IT领域中，若5G商用与远程办公普及同步，可能加速元宇宙或全息通信的发展。二、跳出本地视角：通过地理与认知跨界发现趋势埃丝特·戴森强调局外人视角的重要性：

地理跨界：硅谷的惯性思维可能掩盖创新机会。例如，俄罗斯在极端气候下的IT解决方案（如低温数据中心）或非洲的移动支付创新（如M-Pesa），可能为全球提供新思路。认知跨界：保持好奇心，研究非主流领域。如生物技术中的DNA测序成本下降（从数百万到1000美元），可能推动个性化医疗与IT结合，催生健康数据管理平台。三、挑战“理所当然”：重构基础假设璜·安利奎斯指出，突破惯性思维是发现趋势的核心：

技术假设：质疑“计算机必须依赖键盘鼠标”的固有认知，可能催生语音交互、脑机接口等新形态。社会假设：反思“隐私与便利不可兼得”的观念，可能推动联邦学习或差分隐私技术的普及。经济假设：挑战“硬件利润主导”的模式，如苹果通过服务生态（App Store）获得更高收益，预示IT企业需向数据与服务转型。四、观察创新源头：从“好玩”到实用提姆·奥莱理与温特·瑟夫强调创新的文化基因：

玩心驱动：莱特兄弟的飞行实验源于好奇心，类似地，开源社区（如Linux）或游戏化技术（如GPU用于AI训练）的兴起，均源于非功利性探索。创造未来：TCP/IP协议的诞生源于“让计算机互通”的简单目标，最终重构全球通信。IT从业者应关注技术潜力而非短期应用，如量子计算目前虽不实用，但其并行处理能力可能颠覆加密与优化领域。五、利用网络数据与用户行为洞察克里斯·萨加提出从大众行为中捕捉信号：

社交媒体分析：通过Twitter、Reddit等平台，观察用户对技术的实时反馈。例如，对Heroku的好评可能预示PaaS模式的普及。消费行为观察：百思买等零售终端的价格敏感度，反映普通用户对IT产品的真实需求。若工薪族更愿为低价智能设备付费，可能推动边缘计算或轻量化AI的发展。六、构建跨领域网络与模式识别伊藤穰一与彼得·舒瓦茨强调连接与敏锐度：

跨领域网络：与不同背景者交流，发现隐性联系。例如，Flickr的图像存储技术源于摄影社区需求，后被应用于医疗影像分析。模式识别：通过历史数据与当前动态，预测技术融合点。如基因编辑（CRISPR）与AI的结合，可能催生精准医疗平台。战略准备：金融海啸中存活的企业，往往提前布局多元化技术栈。IT企业需构建弹性架构，应对技术替代风险（如云服务对本地服务器的冲击）。七、追踪资金与人才流向彼得·舒瓦茨指出，资源集中领域预示未来：

资金流向：风险投资对AI、量子计算等领域的密集投入，反映技术成熟度与商业潜力。人才迁移：顶尖工程师从传统IT向生物技术、新能源领域的流动，可能催生交叉学科创新（如生物信息学）。预测未来IT趋势需结合异常信号分析、跨界思维、基础假设挑战、创新文化观察、用户行为洞察、跨领域网络构建与资源流向追踪。通过系统化方法，可更精准地捕捉技术变革的先兆。