PEG Ratio 本益成長比美股回測：S&P 500 小於 1 沒贏 QQQ，
多少才算好？

PEG ratio（本益成長比）是本益比除以盈餘成長率的百分比數字，一般的經驗法則把 1 當成合理價。我們用每天真實的 S&P 500 成分股回測美股 2018 年 4 月到 2026 年 10 月：持有所有 PEG 小於 1 的股票，年化 11.6%、日夏普 0.65，含息 QQQ 是 19.8%、0.88，等權的 RSP 是 11.8%、0.68。PEG 低於 0.5 的一組最弱，日夏普 0.58。改用三年成長率的版本從 2020 年 4 月起是 1.05 對 QQQ 的 1.03，從 2021 年 4 月起則是 0.72 對 0.75。3 個設計都沒過驗證，因此不開策略頁。

本文只談美股，台股的 PEG 回測另有專文，連結在後面的「台股的 PEG 結果」。這 3 個設計、參數與通過條件都在看到結果之前寫定，PEG 分組、每月比例與 2021 年 4 月起的比較則是之後才加的。它們和 Piotroski F-Score 回測、低波動股票回測合計 9 個設計，一個都沒過。

PEG 回測關鍵數字

前五列是 2018-04-02 到 2026-10-30，從 2022-07-14 切成前後兩段。後四列是 2020-04-01 到 2026-10-30，從 2023-07-17 切開。多年成長的參數組各自用自己的起點比較，這點會改變結果。

PEG ratio（本益成長比）是什麼

本益比告訴你市場為一塊錢的當前盈餘付多少錢，但不管這筆盈餘有沒有在成長。PEG 把成長率放進來：

PEG ＝ 本益比 ÷ 年盈餘成長率的百分比數字

成長率用百分比的數字，成長 25% 就代入 25。下面用兩家虛構公司、取整數示範：

B 公司本益比較低，PEG 卻較高。本益比高的公司，相對成長率可能便宜；本益比低的公司，相對成長率也可能貴。盈餘為負或衰退時，算出來的數字是負的或沒有意義，所以市場上只有一部分股票有 PEG。

這個指標一般追溯到 Mario Farina 1969 年的著作，後來由彼得·林區帶紅。Lynch (1989) 在《彼得林區選股戰略》寫道：股價合理的公司，本益比會等於它的成長率。經驗法則就從這句話來：PEG 等於 1 算合理，小於 1 算便宜，大於 1 算貴。AAII 整理他的選股條件時又多列兩條線：本益比只有歷史盈餘成長率的一半算有吸引力，比值高於 2.0 算沒有吸引力。英國投資人 Jim Slater 在《祖魯法則》一系列著作裡把門檻定得更嚴，這篇台股 PEG 實測整理過他的 0.75 分界，本文的鄰近參數也測了 0.75。

學術研究對分母比較保留。Easton (2004) 發現 PEG 隱含的預期報酬和更精細的估計高度相關，支持它是排序股票的簡便工具，但也指出它假設短期成長能代表長期，仍然過於簡化。Chan、Karceski 與 Lakonishok (2003) 發現長期盈餘成長的持續性沒有超過隨機水準。本文的多年成長設計，就是把分母拉長到兩年、三年、四年。

PEG 還取決於成長率用誰的。有些網站用過去的成長率，有些用分析師預估，同一檔股票可能出現不同的 PEG。本文全部用過去的成長率：近四季 EPS 對比一年前的近四季 EPS。

PEG 多少算好？

一般的答案是小於 1，低於 0.5 特別便宜，高於 2 偏貴。但在 2018 年 4 月到 2026 年 10 月的 S&P 500 成分股裡，這個順序沒有成立：低於 0.5 的分數最低，0.5 到 2 之間最高，算不出 PEG 的股票則和等權指數差不多。沒有任何一組追上 QQQ。

下表是看到結果之後才加的，只描述這段期間，不算驗證。每個月把成分股依一年成長率算出的 PEG 分組，各組等權持有。

• 低於 0.5：最弱的一組，日夏普 0.58，最大回撤也是 7 組裡最深。經驗法則最喜歡的區間，在這段期間分數最低。
• 0.5 到 2：三組分別是 0.71、0.71、0.77，都高於 RSP 的 0.68。
• 2 到 3 與高於 3：0.62 與 0.66，低於 RSP，回撤比較淺，-36.5% 與 -35.5%。高於 3 的一組仍然贏低於 0.5 的一組。
• 算不出 PEG：包含虧損、EPS 衰退、成長率超過 100% 與資料缺漏。平均 276 檔、日夏普 0.69，和 RSP 差不多，年化 12.7%，高於低於 0.5 的一組。

PEG 越高，波動大致越低，從最低一組的 21.1% 降到最高一組的 18.0%，QQQ 是 23.7%。最低兩組加起來就是「PEG 小於 1」這個設計，55 加 47 就是它平均持有的 102 檔。

1.5 到 2 的長條最高，但平均只有 18 檔，左右兩組是 0.71 和 0.62，我們不把它當成甜蜜點。這張表裡，PEG 小於 1 沒有比 1 到 2 好，低於 0.5 又比兩者都低。以 8.6 年的期間來說這些差距不大，前後兩段的順序也不同：低於 0.5 那組前半段 0.27、後半段 1.05。這些數字只描述這段期間，不能當成規則。

多少 S&P 500 股票算得出 PEG

平均不到一半。本文的 PEG 要求獲利為正、一年前 EPS 為正、成長率在 0 到 100% 之間。平均每個月底有 44% 的成分股算得出 PEG，21% 低於 1。2026 年 10 月底這兩個比例是 57% 和 27%，PEG 中位數 1.09。整段期間的中位數在 0.52 到 1.68 之間。

藍線是 PEG 小於 1 的比例，最低 12.5%（2020 年 5 月），最高 31.2%（2022 年 6 月），2018 年 12 月也有 30.4%。綠線是算得出 PEG 的比例，2020 年 8 月低到 34.8%，2026 年 10 月升到 57.2%，是圖上最後一個月。橘線是算得出 PEG 的股票的中位數，2018 年 12 月最低 0.52，2026 年 2 月最高 1.68。

固定用 1 當門檻，選到的市場比例並不固定。PEG 小於 1 的組合持股在 62 到 156 檔之間變動。

通過的條件

「贏」的意思是同一段交易日裡，日夏普高於含息的 QQQ。這裡的夏普是日報酬平均除以標準差，再乘以 √252，不扣無風險利率。站上部分策略比較頁可能用月夏普，不要和這裡的數字混用。

1. 鄰近參數：原值周圍 9 組參數，至少七成贏 QQQ。
2. 前後兩段：原值在期間前後兩段都贏 QQQ。
3. 交易成本：原值在 finlab 美股預設成本（0）與每邊 0.1% 都贏 QQQ。
4. 不靠單一年份：拿掉領先 QQQ 最多的那一年，原值仍然贏。
5. 現金：平均現金超過 10% 的設計，扣掉國庫券（BIL）後也要贏。這 3 個設計都滿倉，這條不適用。
6. 組合版：組合版要贏單一訊號的基礎版。這 3 個設計都不是組合版。

RSP 是最有用的對照。這些設計是 S&P 500 股票的等權組合，RSP 正是等權的 S&P 500，所以只輸 QQQ 說明不了什麼。我們也檢查了回測設定：把全部成分股等權持有，和 RSP 的日報酬相關係數 0.998，日夏普 0.68 對 0.68。

三個 PEG 設計與結果

這裡的 PEG 是市值除以近四季淨利，再除以 EPS 成長率的百分比數字。每個設計都等權、單檔上限 5%、每月換股。

• PEG 小於 1：持有所有 PEG 低於 T、一年 EPS 成長率大於 0 且不超過上限的成分股。T 取 0.75、1、1.25，成長上限取 50%、100%、200%，原值是 1 與 100%。
• 各產業 PEG 最低：在 11 個產業裡各取 PEG 最低的 N 檔，成長上限相同。N 取 2、3、4，原值是 3 與 100%。
• 多年成長 PEG：條件和第一個設計相同，成長率改用 Y 年年化 EPS 成長，上限 100%。Y 取 2、3、4，原值是 3。

粗體是原值，綠色是在自己的期間贏 QQQ。PEG 小於 1 的 9 組參數在 0.62 到 0.69 之間，平均持有 102 檔，只有門檻 1.25、成長上限 50% 贏 RSP，0.69 對 0.68。各產業版本在 0.56 到 0.61 之間，平均持有 32 檔，9 組都輸 RSP，分數低於單純的門檻版，週轉也比較高。

文首的圖是兩個原值組合、RSP 與 QQQ。PEG 小於 1 到 2020 年初都貼著 RSP，之後一路落後到 2023 年年中，接著追回大部分差距，最後年化 11.6% 對 11.8%。各產業版本從 2021 年到 2023 年底都在 PEG 小於 1 上方，2024 年起一直在下方，年化 10.9%，是四條線裡最低。QQQ 在 2020 年拉開很大的領先，2022 年回吐不少，2023 年又拉開。兩個 PEG 組合的回撤都比 RSP 和 QQQ 深。

27 組參數沒有一組同時贏 QQQ 和 RSP，也沒有一組贏 SPY。

每格前面是設計，後面是 QQQ。

多年成長的勝出取決於起點

多年成長乍看解決了問題：1.05 對 QQQ 的 1.03，最大回撤 -24.5% 對 -35.1%，3 組參數贏。但這 3 組全部在三年成長那一欄，這一欄要小心看。

Y 年成長率要多 Y 年的財報，而 S&P 500 公司的財報實際從 2016 年第一季才齊，2015 年每季不到 80 家。起點在看到結果前就定好：成分股約七成算得出成長率的第一個 3 月。於是兩年版第一次成交在 2019 年 4 月，三年版 2020 年 4 月，四年版 2021 年 4 月。這條規則完全不看市場，卻剛好把三年版放在 2020 年 3 月低點之後幾天。這段期間避開了崩跌、留下反彈，QQQ 也一樣，所以 QQQ 同期日夏普是 1.03，從 2018 年算只有 0.88。起點不同的鄰近兩欄都輸：兩年版 0.61 到 0.66 對 0.88，四年版 0.64 到 0.75 對 0.75。

所以我們把 9 組放到同一段日子，從三者都存在的 2021 年 4 月起算。這項檢查是看到結果之後才加的。

9 組都沒贏 QQQ。最接近的是門檻 1.25、四年成長，四捨五入同為 0.75，未四捨五入是 0.7450 對 0.7453。三年版原值 0.72，年化 11.3% 對 15.1%。9 組有 8 組贏 RSP，沒有一組贏 SPY。

結論在這個日期前後會翻轉，所以 2021 年 4 月也不是定論。另外兩項同樣是看到結果後才加的檢查，用 data.csv 可以重現：三年版原值從 2020 年 4 月到 2021 年 3 月的每個月起算都贏 QQQ（從 2021 年 3 月起是 0.77 對 0.74），從 2021 年 4 月到 2023 年 4 月，除了 2021 年 12 月，每個月起算都輸。用一年成長率的 PEG 小於 1，從 2020 年 4 月起是 1.06 對 1.03，所以這段日子的勝出不需要多年成長。

圖上是門檻 1 那一列。左邊從各自起點算，兩年版 0.62 輸 0.88，三年版 1.05 贏 1.03，四年版 0.73 輸 0.75。右邊是同一段日子，三者 0.69、0.72、0.73，都輸 0.75。

三年版原值在自己的期間也沒過：前半段 1.03 輸 1.05，拿掉相對 QQQ 最好的 2022 年是 1.45 輸 1.63，年化 19.6% 低於 QQQ 的 23.1%，也輸 RSP 的 1.06 和 SPY 的 1.16。贏 QQQ 的 3 組全部輸 RSP。它做到的是回撤比 QQQ 淺，2022 年 -13.6% 對 -32.6%，接近 RSP 的 -11.6%。

PEG 小於 1 的前後段與逐年報酬

PEG 小於 1 的原值前半段輸、後半段贏：到 2022 年 7 月是 0.34 對 QQQ 的 0.71，之後是 1.15 對 1.09。RSP 是 0.52 和 0.95，所以它對 RSP 也是先輸後贏。SPY 後半段 1.17，高於這個組合。

傷害最大的是 2020 年：3.6%，QQQ 48.6%，RSP 12.7%。對 QQQ 幫助最大的是 2022 年，PEG 小於 1 跌 14.6%，QQQ 跌 32.6%，但 RSP 只跌 11.6%。這 9 段裡它只有 2022 和 2026 兩段贏 QQQ。

PEG 小於 1 的最大產業權重是金融 22%，其次是工業 14%、科技 13%、非必需消費 12%、醫療 11%。這裡只列出配置，沒有測試它能不能解釋這些年份的差異。

和之前的美股 PEG 測試比較

我們的美股大型股 17 因子研究把低 PEG 當成其中一個因子。市值前 200 大裡 PEG 最低的 20 檔日夏普 0.75，成交金額前 500 大裡 0.50，同期 QQQ 是 0.90。這些數字來自那一篇，本文沒有重跑，因為兩邊的條件大多不同。

兩邊都低於 QQQ。相對自己的股票池結果不一：那邊最低 PEG 的 20 檔小贏等權前 200 大，0.75 對 0.74，但輸等權成交金額前 500 大，0.50 對 0.66；這邊小於 1 的組合輸 RSP，0.65 對 0.68。那一篇提到，獲利從低基期反彈會造出很低的 PEG。本文 100% 的上限已經去掉最大的反彈，低於 0.5 的一組仍然最弱。我們沒有再把這一組依成長來源拆開，所以不能說原因就是反彈。

台股的 PEG 結果

本文的數字只適用美股。市場、期間、成長率算法都不同，不能和下面幾篇直接比較：

• 本益成長比 PEG 真的越低越好嗎？：台股依 PEG 分組、每 60 天換股，PEG 約 0.5 時平均獲利最高，太大或太小都差。美股這裡低於 0.5 的一組最弱。
• PE、PB、PEG 台股 10 年回測：單獨低 PEG 年化 8.3%，遠輸同期 0050 含息，加上營收動能等條件的版本才通過三項驗證。
• 七七四十九種 PEG 實測：比較多種預估 EPS 與成長率的算法，再加月營收濾網，文中重跑 2015 到 2026 年年化 21.8%、日夏普 1.17，2020 年底後輸 0050。

程式碼

這段是 PEG 小於 1 的原值，用到 2026-10-30 的資料印出 0.66。表格是 0.65，因為 research.py 一家公司只留一個股別，這段短版兩個股別都留。

import finlab
from finlab import data
from finlab.backtest import sim
 
finlab.login()
data.set_market("us")
 
close = data.get("us_price:adj_close")
members = data.get("us_index_constituents:sp500").astype(bool)
tickers = members.columns.intersection(close.columns)
members = members[tickers].reindex(close.index, method="ffill").fillna(False).astype(bool)
 
income = data.get("us_income_statement:net_income").reindex(columns=tickers)
shares = data.get("us_income_statement:weighted_average_shs_out_dil").reindex(columns=tickers)
value = data.get("etl:us_market_value").reindex(columns=tickers)
 
 
def on_trading_days(quarterly):
    # A blank quarter becomes -1, or the filing would keep showing the quarter before
    return quarterly.fillna(-1).index_str_to_date().reindex(index=close.index, method="ffill")
 
 
# Four quarters of earnings per diluted share, positive now and a year ago
eps = (income[income != 0] / shares[shares > 0]).rolling(4, min_periods=4).sum()
growth = on_trading_days(eps[eps > 0] / eps.shift(4)[eps.shift(4) > 0] - 1)
 
# P/E from market value and four quarters of net income
earnings = on_trading_days(income.rolling(4, min_periods=4).sum())
pe = value / earnings[earnings > 0]
 
# PEG below 1, with growth above 0 and at most 100%
peg = pe / (growth[(growth > 0) & (growth <= 1)] * 100)
position = (peg < 1)[members].loc["2018-03-01":"2026-10-30"].fillna(False).astype(bool)
 
report = sim(position.loc[:, position.any()], resample="M", trade_at_price="close",
             position_limit=0.05, market="us", upload=False)
curve = report.creturn.loc["2018-04-02":]
returns = curve.pct_change().dropna()
print(round(returns.mean() / returns.std() * 252 ** 0.5, 2))

請 AI 幫你改

不想自己寫也可以。用 npx skills add https://github.com/koreal6803/finlab-ai --skill finlab 安裝 FinLab skill，Claude Code、Codex、Gemini CLI 都能用，AI 代理安裝頁有各自的步驟。然後用白話提問，例如「把 PEG 低於 0.5 的 S&P 500 股票，依一年前獲利是否異常低分成兩組」或「把 PEG 小於 1 改到美股市值前 1000 大，再和 RSP 比較」。不想安裝的話，同樣的研究也能在 FinLab Studio 進行。

回測方法與限制

有五項限制決定這些結果能解讀到哪裡：

• 只有過去的成長率：FinLab 的前瞻 PEG 資料從 2026 年 2 月才有，無法回測前瞻 PEG。分析師預估本身也有已知的問題：Chan、Karceski 與 Lakonishok (2003) 指出 IBES 成長預估過度樂觀、預測力很低；La Porta (1996) 發現對盈餘成長的預期過於極端；Bradshaw (2004) 發現 PEG 模型能解釋分析師的評等，但依分析師長期成長預估建立的策略，和未來超額報酬的關聯最弱。
• 淨利含一次性項目：一次性利益也算盈餘，可能拉高成長率、壓低 PEG。
• 有些季度是空白：會計季度比日曆季度晚幾天結束的公司（常見於 52／53 週會計年度），季報表會留下一季空白。跨到空白季的近四季數字最多有兩年算不出 PEG，這些股票落在「算不出 PEG」那組。
• EPS 是算出來的：用淨利除以稀釋股數，因為分割回溯後的 eps_diluted 經過四捨五入，NVDA 2019 年四季是 0.023、0.016、0.023、0.036。這裡提到 NVDA 只是資料範例。
• 產業分類是現況：各產業版本與產業權重都用今天的分類，不是當時的分類。
• 期間很短：只有 8.6 年，只包含一次 2020 年和一次 2022 年。

這個結果能說明什麼

在本文設定下、2018 年 4 月到 2026 年 10 月，PEG 門檻沒有依經驗法則預期的順序把 S&P 500 股票分開，3 個設計都沒過驗證。跑完整段期間的兩個設計，RSP 和 QQQ 都沒贏。這個結果只涵蓋美國大型股、過去的成長率和這一段期間，不涵蓋小型股或預估成長率，也沒有測試把 PEG 當成多個條件之一的用法。

PEG 適合想快速比較估值和成長、再進一步研究的讀者，Easton 的結果也支持它當簡便的排序工具。本文裡，它不適合想拿單一規則直接執行的人：持有所有小於 1 的股票，報酬大約等於等權指數，回撤還比較深。

如果你用 PEG，可以這樣做：

1. 先確認看到的 PEG 用的是過去還是預估成長率、用幾年。
2. PEG 低於 0.5 時，查清楚成長率為什麼這麼高。這段期間這一組分數最低。
3. PEG 選股要和 RSP、QQQ 都比，而且用完全相同的日子。
4. 多年成長的好結果，先換幾個起點再相信。

相關研究可以看美股學術因子回測和美股知名選股法回測。因子投資入門說明背後的概念，美股量化交易策略比較收齊站上的美股研究，美股回測教學帶你跑第一個回測。

常見問題

PEG 是什麼？

本益比除以年盈餘成長率的百分比數字。本益比 20、EPS 成長 25% 的股票，PEG 是 0.8。

PEG 多少算好？

經驗法則是 1 以下。本文 2018 年 4 月到 2026 年 10 月的 S&P 500 測試裡，0.5 到 2 的幾組日夏普 0.71 到 0.77，低於 0.5 的一組 0.58，都沒有追上 QQQ 的 0.88。這些分組是看到結果後才加的，有些組檔數很少。

PEG 小於 1 就是便宜嗎？

依公式算是便宜，而且並不少見：平均每個月底有 21% 的 S&P 500 成分股低於 1。全部持有的年化 11.6%、日夏普 0.65，RSP 是 11.8%、0.68。

PEG 是負的代表什麼？

代表盈餘或成長率是負的，這個比值沒有估值上的意義。本文把這些股票算進「算不出 PEG」。這一組還包含成長率超過 100% 與資料缺漏的股票，平均 276 檔，日夏普 0.69。

PEG 要用過去還是預估的成長率？

兩種都常見，同一檔股票可能算出不同的結果。本文用過去的成長率，因為 FinLab 的前瞻 PEG 資料從 2026 年 2 月才有，太短無法回測。

PEG 和本益比差在哪？

本益比只比較股價和當前盈餘，PEG 再除以成長率。本益比 15、成長 5% 的股票 PEG 是 3.0，本益比 20、成長 25% 的股票 PEG 是 0.8。

PEG 選股在美股有用嗎？

在本文設定下，2018 到 2026 年 3 個設計都沒通過，27 組參數沒有一組同時贏 QQQ 和 RSP。我們之前條件不同的研究，低 PEG 同樣低於 QQQ。兩者都沒有涵蓋小型股或預估成長率。

可以自己重跑嗎？

可以。透過 AI 輔助安裝流程裝好 FinLab skill，下載下面的 research.py，執行 python research.py。

下載資源

投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。本文所有回測均為全段樣本內結果，前後兩段未經樣本外驗證。文中提到的股票與基金只用來說明研究結果，不是買賣建議。

最後更新：2026-11｜回測區間：2018-04～2026-10｜基準：QQQ 含息｜作者：FinLab 量化研究團隊（經量化研究員審閱）