處理數據中負市盈率和極高市盈率的最佳方法？

我正在研究處理初創公司/類似公司數據的數據。許多公司的市盈率為負數和/或幾乎沒有銷售額。有沒有好方法可以從中創建有意義的數據（如平均值、中位數）？

我顯然不應該在計算中使用負值，因為低市盈率意味著是一個積極因素。到目前為止，我已經嘗試了兩種替代方法，但都不是很好：

1. 忽略所有負市盈率和巨大/不可分割的市盈率數據。但是，這確實會嚴重扭曲數據，因為您很容易放棄超過 50% 的公司，因此對市場的描述比它應該的要樂觀得多。
2. 為負 P/E 和巨大/不可分割的 P/S 分配一個大的虛擬值。例如，任何負的 P/E 變為正 50，而任何缺失的 P/S 變為 100。但是，由於這些數字是任意挑選的，因此不必將數據偏向高於實際平均值。

關於更好的方法的任何想法？（是的，我知道這個問題不一定適合量化金融，但也沒有比這更好的地方了……）

根據大多數量化專家的說法，最好的解決方案是根本不使用 P/E（Price to Earnings），而是使用 E/P（Earnings to Price）。

當你這樣做時，負 E/P 股票是最低的 E/P，低於正但小的 E/P 股票，而後者又低於其他股票。所以自然秩序得以保留。

當您使用市盈率時，負市盈率需要“轉移”到最高市盈率類別。在數學上，負數被認為小於正數，但這與負市盈率的直覺相反：從財務上講，這些是所有估值中最慷慨的（“最高市盈率”）。所以不要使用市盈率，市盈率的排名沒有意義。

引用自：https://quant.stackexchange.com/questions/60557