Octagon Sector Pe Ratios

板块市盈率基准对比

通过 Octagon MCP 按交易所 + 行业板块 + 日期拉取板块市盈率（Sector P/E）基准，用于把个股估值放进板块语境：判断个股相对板块是溢价还是折价、横向对比不同板块/交易所的估值水位、追踪板块轮动信号。

何时使用

当用户问「这家公司的 P/E 跟它所在板块比是贵还是便宜」「哪个板块当前估值最低」「科技板块现在估值是不是偏高」「NYSE 和 NASDAQ 同一板块谁的 P/E 更高」时使用——一次拿到板块 P/E 基准，再据此算溢价/折价、对比历史分位、读轮动信号。

不该用的边界：

• 要自建估值模型、逐项重算内在价值或敏感性分析 → 转 dcf-valuation-model / three-statement-model；板块 P/E 只是相对基准，不是绝对估值结论。
• 要单个公司的 P/E / 实时股价 / 单季 tick → 现价用 octagon-stock-quote，个股相对板块的对比在此基础上做。
• 要绝对值历史财报（板块成分股的实际营收/利润） → 用 octagon-income-statement-data。
• 标的或板块非 Octagon 覆盖（主要为美股 NYSE / NASDAQ 上市口径） → 无数据，先确认交易所/板块名有效。
• 离线 / 未配置 Octagon MCP 的环境 → 依赖 octagon-agent，无 MCP 无法取数。
• 板块 P/E 是加权平均，会被负盈利离群股、成分调整、口径（trailing/forward、GAAP/non-GAAP）扭曲，不能替代逐股核验。

步骤

1. 确认 MCP 就绪：AI 客户端（Claude Desktop / Cursor / Windsurf）已注册 octagon-mcp，octagon-agent 工具可见（Windows 需先装 Node.js / npx；配置见「指令」）。需要 OCTAGON_API_KEY。
2. 确定查询三参数：日期（Date）、交易所（Exchange：NYSE / NASDAQ / AMEX…）、板块（Sector：Technology / Healthcare / Financials…）。三者可全填精确定位，也可只给交易所拉「全板块」。
3. 发起查询：调用 octagon-agent，传入自然语言 prompt（模板见「指令」）。
4. 读数：得到该日期、该交易所、该板块的 P/E 比率（数据源 octagon-stock-data-agent）。
5. 相对解读：把个股 P/E 与板块 P/E 比，算溢价/折价；对照该板块典型 P/E 区间与历史分位；多板块/多交易所时做横向对比。
6. 追问下钻：按结论给出深挖问题（估值是否被增长合理化、是否处历史高位、轮动方向等）。

指令

Octagon MCP 配置（Claude Desktop / Windsurf 的 claude_desktop_config.json）：

{
  "mcpServers": {
    "octagon-mcp-server": {
      "command": "npx",
      "args": ["-y", "octagon-mcp@latest"],
      "env": { "OCTAGON_API_KEY": "YOUR_API_KEY_HERE" }
    }
  }
}

API Key 在 https://app.octagonai.co 注册后于 API Keys 菜单生成。

查询模板（按日期 + 交易所 + 板块精确定位）：

Retrieve the latest sector P/E ratios for <DATE>, filtered by exchange <EXCHANGE> and sector <SECTOR>.

MCP 调用：

{
  "server": "octagon-mcp",
  "toolName": "octagon-agent",
  "arguments": {
    "prompt": "Retrieve the latest sector P/E ratios for 2025-02-03, filtered by exchange NASDAQ and sector Technology."
  }
}

常用查询变体（自然语言即可）：

核心公式：

P/E Ratio   = 股价 / 每股收益(EPS)
Sector P/E  = 板块内全部个股 P/E 的加权平均
溢价/折价 % = (个股 P/E − 板块 P/E) / 板块 P/E × 100%

P/E 口径速查（不同来源可能用不同口径，对比前先对齐）：

主要板块典型 P/E 区间（经验值，仅作锚点）： 科技 25–60、医疗 18–35、金融 10–18、可选消费 15–30、必需消费 18–25、工业 15–25、能源 8–20、公用事业 15–22、房地产 30–50、材料 12–20、通信 15–25。高 P/E 板块（科技/房地产）多由增长预期撑高，低 P/E 板块（金融/能源）多为成熟/周期。

交易所差异： NYSE 偏大盘、成熟、估值整体偏低；NASDAQ 科技权重高、偏成长，平均 P/E 通常更高。同板块跨交易所对比时须考虑成分差异。

示例

查询 2025-02-03 / NASDAQ / Technology 的典型返回：

数据源：octagon-stock-data-agent。

个股 vs 板块（溢价/折价）：

例：某科技股 P/E = 45，板块 P/E = 58.77 → (45 − 58.77) / 58.77 ≈ −23.4%，相对板块折价交易。需进一步判断是低估机会还是盈利/增长隐忧。

历史分位 / 周期语境：

轮动信号（多板块对比时读）： 科技 P/E 升得更快 → 偏好成长；价值板块 P/E 抬升 → risk-off 轮动；各板块 P/E 收敛 → 正常化；持续分化 → 主题驱动行情。

追问下钻（按需）：

• Is AAPL's P/E reasonable compared to the Technology sector?（个股相对板块）
• Which sectors have the lowest P/E ratios currently?（板块择优）
• Are Technology sector valuations elevated compared to history?（择时）
• Compare Technology sector P/E ratios on NYSE vs. NASDAQ.（跨交易所）

注意事项

• 加权口径差异：板块 P/E 多为市值加权，少数源用等权；trailing 与 forward、GAAP 与 non-GAAP 也各不相同——跨源/跨板块对比前必须对齐口径。
• 负盈利扭曲：板块内亏损股会扭曲加权 P/E，遇异常高值先排查离群成分。
• 时点敏感：财报季后 P/E 随新盈利跳变，价格每日波动，指数再平衡会改变成分；引用务必带日期。
• 同类比同类：个股要跟同板块比；高 P/E 未必贵——若由高增长支撑则可能合理（结合增长指标判断）。
• 覆盖范围：主要为美股 NYSE / NASDAQ 口径，非美股 / 私有公司多无数据，交易所与板块名须有效。
• 前瞻 P/E 需另取数：算 forward P/E / PEG 时，现价从 octagon-stock-quote 取、EPS 估计从 octagon-analyst-estimates 取。
• API Key 安全：Key 经 OCTAGON_API_KEY 环境变量注入，勿硬编码或外泄；超频时降低请求频率。
• 输出为 Agent 生成的相对估值参考，不能替代独立尽调与专业复核。

互见

• requires：（无）
• related：octagon-stock-quote（补个股现价，才能算个股 P/E 与板块溢价/折价）、octagon-income-statement-data（板块/个股绝对值盈利，是 P/E 分母的来源）、octagon-analyst-estimates（前瞻 EPS，用于算 forward sector P/E）、octagon-price-target-consensus（目标价共识，与板块估值水位互证）。
• combines_with：octagon-equity-research-analyst（编排型投研报告，把板块 P/E 作为相对估值段落）、octagon-stock-quote（现价 + 板块基准 → 个股相对估值结论）、octagon-analyst-estimates（trailing 板块 P/E + 前瞻 EPS → forward 视角）。

本条采编自 OctagonAI/skills（MIT 许可），已做中文适配重写。