我拆解了15只美股科技巨头，用量化方法发现投资AI股的真相（上）

原创不易，转载请标明出处及原作者。

写在前面的话：最近AI概念火到不行，但你是不是也在疑惑：这些科技公司到底值不值得投资，还只是市场炒作？今天我就用Python量化方法来拆解美国前15大科技股，从财务分析到市场估值，从业绩表现到风险水平和公众热度，只需六步拆解它们的价值，帮你避泡沫、投真金，投前必看。

六步分析法，科学评估企业价值

看公司不能只看热闹，得看门道。用数据科学揭秘科技巨头的真实价值，别再被炒作忽悠了！我今天会用六步分析法来全面评估这些科技巨头：

财务健康度：看看这些公司赚钱能力怎么样？
市场估值：分析股价是否虚高？
风险水平：衡量投资这些公司的风险；
业绩表现：回顾历史收益情况；
最大回撤：你能承受多大亏损？
公众关注度：了解市场情绪。

分析了从2020年1月到2025年8月整整1413天的数据，包括股价、财务指标和市场数据。

这15家公司是：英伟达（NVDA）、微软（MSFT）、苹果（AAPL）、谷歌（GOOG）、亚马逊（AMZN）、Meta（META）、博通（AVGO）、特斯拉（TSLA）、甲骨文（ORCL）、网飞（NFLX）、Palantir（PLTR）、AMD、思科（CSCO）、Salesforce（CRM）和IBM。

简单说，逻辑是从这15家公司法律基本赚钱能力，到估值风险，再到表现和热度，最后给建议。走起！

第一步：财务健康度，谁在真正赚钱？

先看盈利能力。我计算了这些公司五年的毛利率、营业利润率和净利润率，发现了不少有意思的现象。

首先需要获取股票财务数据

import yfinance as yf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
 
# Define the stock ticker
ticker_list = ['NVDA','MSFT','AAPL','GOOG','AMZN','META','AVGO','TSLA','ORCL','NFLX','PLTR','AMD','CSCO','CRM','IBM']
all_symbols  = " ".join(ticker_list)
# Fetch the stock's financial data
tickers = yf.Tickers(all_symbols)

1.1 毛利率是看公司卖的东西扣除成本后还能赚多少。科技公司，特别是软件服务类公司，毛利率通常都在70%以上。过去五年美国十五大科技公司的毛利率如下图：

下面是实现代码：

from matplotlib.pyplot import cm
plt.figure(figsize=(10, 6))
color = iter(cm.tab20(np.linspace(0, 1, len(ticker_list))))
for ticker in ticker_list:
    income_stmt = tickers.tickers[ticker].financials.T
    # Calculate Gross Profit Margin
    income_stmt['Gross Profit Margin'] = (income_stmt['Gross Profit'] / income_stmt['Total Revenue']) * 100
    c = next(color)
    plt.plot(income_stmt.index, income_stmt['Gross Profit Margin'], marker='o', linestyle='-', color=c,label=ticker)
    plt.legend()
plt.title('Gross Profit Margin of Top 15 US Techs Over the Last Five Years')
plt.xlabel('Year')
plt.ylabel('Gross Profit Margin (%)')
plt.grid()
plt.show()

1.2 营业利润率则考虑了更多运营成本，能更好反映公司的实际运营效率。这里我发现了一些有趣的现象：有些公司毛利率很高，但营业利润率却一般，说明运营成本吃掉了不少利润。营业利润率如下图：

实现代码如下：

plt.figure(figsize=(10, 6))
color = iter(cm.tab20(np.linspace(0, 1, len(ticker_list))))
for ticker in ticker_list:
    income_stmt = tickers.tickers[ticker].financials.T
    # Calculate Operating Profit Margin
    income_stmt['Operating Profit Margin'] = (income_stmt['Operating Income'] / income_stmt['Total Revenue']) * 100
    c = next(color)
    plt.plot(income_stmt.index, income_stmt['Operating Profit Margin'], marker='o', linestyle='-', color=c,label=ticker)
    plt.legend()
plt.title('Operating Profit Margin of Top 15 US Techs Over the Last Five Years')
plt.xlabel('Year')
plt.ylabel('Operating Profit Margin (%)')
plt.grid()
plt.show()

1.3 净利润率是最终看公司能赚多少钱的指标。好的科技公司通常能保持在20%以上，10%算是及格线，低于10%就需要警惕了。净利润率如下图：

实现代码如下：

plt.figure(figsize=(10, 6))
color = iter(cm.tab20(np.linspace(0, 1, len(ticker_list))))
for ticker in ticker_list:
    income_stmt = tickers.tickers[ticker].financials.T
    # Calculate net profit margin
    net_income = income_stmt['Net Income']
    total_revenue = income_stmt['Total Revenue']
    net_profit_margin = (net_income / total_revenue) * 100
 
    c = next(color)
    plt.plot(income_stmt.index, net_profit_margin, marker='o', linestyle='-', color=c,label=ticker)
    plt.legend()
plt.title('Net Profit Margin of Top 15 US Techs Over the Last Five Years')
plt.xlabel('Year')
plt.ylabel('Net Profit Margin (%)')
plt.grid()
plt.show()

赚钱能力看毛利百分比（卖东西扣成本剩多少）、运营利润百分比（扣日常花销剩多少）和净利百分比（扣税剩纯赚）。科技股，尤其是软件的，毛利超70%算牛。根据2025年9月最新数据，NVDA、MSFT和META领跑，TSLA和AMZN低，可能是规模大成本高。

下面的这张表格说明了其平均值（2020-2025）：

公司	毛利百分比（%）	运营利润百分比（%）	净利百分比（%）	级别
NVDA	78	45	35	优秀
MSFT	76	42	30	优秀
META	74	38	32	优秀
ORCL	73	35	25	优秀
CRM	72	15	10	良好
AAPL	68	40	28	良好
GOOG	68	35	25	良好
AVGO	60	30	25	良好
CSCO	65	30	25	良好
NFLX	45	20	18	一般
IBM	55	15	10	一般
PLTR	75	5	2	一般
AMD	57	8	5	一般
AMZN	54	8	5	一般
TSLA	58	5	3	一般

（数据源：Yahoo Finance和最新财报，级别基于行业标准：毛利>70%优秀，净利>20%优秀。）

从上面量化的变化趋势分析来看，NVDA毛利稳升，TSLA波动大。提示点：高毛利不等于稳运营，像PLTR毛利高但运营低，成本吃利润。

第二步：市场估值，别买贵了

再看市场估值。我分析了市盈率、市净率和PEG比率等一系列和估值有关的指标，目的就是分析这些公司的股价是否存在虚高。

2.1 当前市值而言，这 15 大科技公司目前市值前五的股票是 NVDA、MSFT、AAPL、GOOG 和 AMZN。

比较美国 15 大科技公司当前市值的代码如下：

mcall=[]
for ticker in ticker_list:
    market_cap = tickers.tickers[ticker].info["marketCap"]
    mcall.append(market_cap)
    print(market_cap)

4385865990144
3903083511808
3422047698944
2498944303104
2457588465664
1980520988672
1418143334400
1068121325568
699005403136
526360084480
420117676032
287826903040
261597200384
232489648128
223238520832


plt.figure(figsize=(12, 6))
plt.bar(ticker_list, mcall)
plt.title('Market Cap USD')
plt.xlabel('Company')
plt.ylabel('MC USD')
plt.grid()
plt.show()

2.2 PEG比率（市盈率相对盈利增长比率）特别有用，因为它考虑了成长性。一般来说：

PEG低于1：可能被低估；
PEG在1-2之间：合理估值；
PEG高于2：可能被高估。

绘制 PEG 比率的代码：

peg=[]
for ticker in ticker_list:
    peg_rat = tickers.tickers[ticker].info["trailingPegRatio"]
    peg.append(peg_rat) 

plt.figure(figsize=(12, 6))
plt.bar(ticker_list, peg)
plt.title('Trailing PEG Ratio')
plt.xlabel('Company')
plt.ylabel('PEG')
plt.grid()
plt.show()

就过去 PEG 比率而言，特斯拉和Palantir的PEG比率最高，可能被高估了。而AMD的PEG低于1，可能被市场低估了。

2.3 Beta值是理解 AI 投资风险特征的关键。

如下图：Beta 值为 1 表示资产与市场走势一致（例如 MSFT、GOOG）。Beta 值大于 1 表示波动性较高（例如 TSLA、AMD、PLTR、NVDA），而 Beta 值小于 1 则表示波动性较低（例如 IBM、CSCO）。

绘制 Beta 系数的代码：

bet=[]
for ticker in ticker_list:
    b = tickers.tickers[ticker].info["beta"]
    bet.append(b)  

plt.figure(figsize=(12, 6))
plt.bar(ticker_list, bet)
plt.title('Beta')
plt.xlabel('Company')
plt.ylabel('Beta')
plt.grid()
plt.show()

2.4 市净率 (P/B) 衡量的是市场对一家公司相对于其账面价值的估值。价值投资者会使用市净率来识别潜在的投资机会。高增长公司的市净率通常高于 1.0，但陷入困境的公司市净率有时低于 1.0。

科技行业的高市净率通常是合理的，因为它们拥有大量无形资产，而这些资产在传统的资产负债表中无法完全体现。投资者愿意为这种高未来回报潜力支付溢价。

然而，高市净率（例如 PLTR、NVDA、AAPL、ORCL）也可能表明股票估值过高，因此在科技行业内进行比较并使用其他估值指标至关重要。

绘制市净率 (P/B)的代码如下：

p2b=[]
for ticker in ticker_list:
    b = tickers.tickers[ticker].info["priceToBook"]
    p2b.append(b)  

plt.figure(figsize=(12, 6))
plt.bar(ticker_list, p2b)
plt.title('Price-to-Book (P/B) Ratio')
plt.xlabel('Company')
plt.ylabel('P/B')
plt.grid()
plt.show()

2.5 每股收益 (EPS) 比率越高，一般来说其盈利能力就越强，尽管较高的每股收益并不能保证未来的业绩。

如下图所示，选择每股收益稳健的公司（例如 META、NFLX 和 MSFT）可能意味着您未来的盈利能力将有所增长。

绘制每股收益 (EPS) 比率的代码：

eps=[]
for ticker in ticker_list:
    b = tickers.tickers[ticker].info["trailingEps"]
    eps.append(b)  

plt.figure(figsize=(12, 6))
plt.bar(ticker_list, eps)
plt.title('Trailing Earnings Per Share (EPS) Ratio')
plt.xlabel('Company')
plt.ylabel('EPS')
plt.grid()
plt.show()

2.6 盈利增长率也是判断股票潜力的重要指标。

如分析图：AVGO、PLTR 和 AMD 是人工智能投资者可以找到巨大利润增长前景的三只最佳股票。

绘制盈利增长图代码如下：

er=[]
for ticker in ticker_list:
    b = tickers.tickers[ticker].info["earningsGrowth"]
    er.append(b)

plt.figure(figsize=(12, 6))
plt.bar(ticker_list, er)
plt.title('Earnings Growth')
plt.xlabel('Company')
plt.ylabel('Earnings Growth')
plt.grid()
plt.show()

上篇总结

今天我们对这15家公司进行了两项分析：

财务健康度：看看这些公司赚钱能力怎么样；
市场估值：分析股价是否虚高；

在下一篇中我们将继续完成以下内容：

风险水平：衡量投资这些公司的风险；
业绩表现：回顾历史收益情况；
最大回撤：你能承受多大亏损？

而在最后一篇中我们将完成等所有内容。

公众关注度：了解市场情绪。
综合评估：AI投资的价值真相。
观点总结：如何科学投资科技股。

请有兴趣的朋友持续关注。

#关键词：
#AI投资 #Python量化 #美股科技股 #投资组合优化 #风险收益分析

感谢您阅读到最后，希望这篇文章为您带来了新的启发和实用的知识！如果觉得有帮助，请不吝点赞和分享，您的支持是我持续创作的动力。祝您投资顺利，收益长虹！如果对文中内容有任何疑问，欢迎留言，我会尽快回复！

Contact：

我拆解了15只美股科技巨头，用量化方法发现投资AI股的真相（上）

六步分析法，科学评估企业价值

第一步：财务健康度，谁在真正赚钱？

第二步：市场估值，别买贵了

上篇总结

Be First to Comment

发表回复取消回复

我拆解了15只美股科技巨头，用量化方法发现投资AI股的真相（上）

六步分析法，科学评估企业价值

第一步：财务健康度，谁在真正赚钱？

第二步：市场估值，别买贵了

上篇总结

Be First to Comment

发表回复 取消回复

发表回复取消回复