在讨论成长定价时，通常会首先想到PEG估值。随着彼得林奇长期优越的业绩及其著作被熟知，PEG也逐渐得到广泛应用。而该指标被提出的初衷，是用来对成长股是否被合理定价而做评判的，因此量化选股过程中，不加区分的对所有类型行业和股票进行筛选，有悖于指标初始逻辑。此外，关于根据市场环境变化而进行DCF和PEG估值切换在近两年也有普遍讨论，但是否PEG只针对于短期成长确定性估值，也未有统一论断，在彼得林奇的畅论述中，针对增长率的描述也多次使用了“长期”作定语。而不同行业和股票的成长生命周期及成长持续性的确有较大差异，市场定价针对的增速预期期限也自然有所不同。基于此本文首先介绍了根据不同行业的成长特性选择相应成长定价指标进行选股和回溯，相比对所有行业不加区分使用相同指标的结果逻辑性更强，分组测试的区分度和稳定性更为优越，且由于依据基本面分析内涵进行分类，指标回溯的可追溯性更强。具体地，本文将除综合金融外的中信一级行业分为“稳定增长型”、“快速增长型”和“周期行业”三类，分别对以上三种类型成长特性的股票使用“PE/(G-2YCAGR)”、“PE/(G-YOY)”和“PB/(Sales-Growth-2YCAGR)”作为成长定价指标，并进行组合和回溯测试。
　　第二部分介绍了对于尚未被分析师覆盖或无预测指标的股票，根据分析师一般预测流程，使用上市公司营收和毛利拆分数据结合可能影响分析师选择是否覆盖以及进行预测的基本面数据，包括市值、历史盈利增速、现金流稳定性等，借助有预测数据的股票估算盈利中枢后进行填充。填充完成后重新进行成长分类定价的回溯，多头组和多空/多头相对全A的超额表现和风险收益比与填充前对比又有所提升。
　　结果显示，在预测数据填充前，根据行业和股票分类进行分组测试结果较各单因素和等权复合的结果更稳健，多头组年化收益17.84%，多空超额年化收益18.09%，多头组相对于万得全A年化超额10.77%，多空超额Calmar比率为3.27；填充完预测数据后的股票池进行成长分类选股的结果有所提升，多头组年化收益21.89%，多空超额年化收益19.40%，多头组相对于万得全A年化超额13.61%，且多空超额稳定性进一步增加，多空超额Calmar比率为5.72，且分组秩序和IC表现更优异。
　　风险提示：宏观市场变化、政策变化风险，模型失效风险