在分析指数估值风险之前，需要明确一个理念，估值风险（高低）是一个统计分析数据，而不是绝对意义上的量化指标。
我们可以通过相应的估值分析指标，如上一篇提到的 市盈率PE（TTM），计算指数每天的PE数据，基于历史数据，可以计算出序列化的指数PE，一般需要统计5-10年的数据量。以5-10年为统计量标准，一是数据量太少，数理统计将失去意义，二是10年基本上是一个完整的经济周期。有的指数成立时间较短，但是也需要有足够的样本数量才行，可以用5年作为一个时间区间。
基于以上所得的样本数据，估值风险分析简单的可以分为两种：1. 极差分位数分析 2.普通分位数分析
极差分位数分析，(当前的PE数据 - 最小PE) / (最大PE - 最小PE)，最后计算出所在的百分比，数值大小 0~100%
普通分位数分析，（小于当前PE 数据的 样本数量）/ 总的样本数量
拿HS300指数为分析对象，样本区间选取 2020/1/1 - 2022/05/31日 为样本区间，可以在此基础上做当前估值水平的分析。
这里需要确认一个概念：样本数据时效性，通俗讲，就是样本数据何时更新。分析时效性可以采用实时和准实时两种，实时的分析方式为：每天的样本数据实时同步，当本交易日PE数据更新之后，当天PE 值将会 同步到 样本池中，作为第二天新的样本数据；准实时的分析方式：可以选择固定的时间段，作为滑动窗口，比如 1月、3月、6月等，在特定的时间范围内，样本数据不做更新，当超过滑动窗口后，同步一次样本区间数据即可。
2020/1/1 - 2022/05/31 HS300 PE 值数据大概如下：
在此基础上对，2022/5 月份的HS300 指数 PE 值做估值水平分析，结果如下：
从统计结果可以看到，两种分位数统计方法的分析结果是不一样的，这和样本数据有关系，同时也和统计方法有关，两种评估方法各有优劣，但是最终定量评估的时候，不同的分析方法需要制定不同的评估标准，比如极差分位数 当 < 20%为 低估；普通分为数法，当 <15% 为低估。这里又和个人的评估体系有关系，暂且不聊。
额外，也可以使用离散度（标准差）的分析方法来做估值风险评估。