混合型基金数据分析

项目背景

随着人均收入水平和家庭财富的逐步增长，人们对于理财的需求日趋旺盛，而受2020年新冠肺炎疫情影响，居民的投资理财意识被进一步激发。作为优质标的，操作难度适中的公募基金投资方式受到了广大居民的追捧，而作为占据整个公募基金利润总额半壁江山的混合型公募基金，其投资动态和持仓变化较大程度地决定了国家金融市场的稳定发展以及个人家庭理财的收益，所以对于混合型公募基金的数据分析就变得尤为重要。

项目简介

本项目使用Python采集和分析了天天基金网于2021年3月16日更新的混合型公募基金数据，由于电脑内存和性能的限制，项目只截取了近2年累计收益率在前100的混合型基金数据作为项目分析数据集。通过分析基金收益现状和持仓变化的趋势，做出基于分析的投资建议和策略。

分析步骤

  • 提出问题
  • 数据采集
  • 数据评估与清洗
  • 探索性分析
    • 基金部分
    • 股票部分
  • 结论和建议

提出问题

本项目将需要探索的问题归纳为两个部分：基金部分和股票持仓部分，然后对每一个部分再进行细分拆解：

  • 基金部分

    • 哪些基金既能保持着较高且稳定的收益增长率，又能在市场波动较大的时候回撤率较小？
    • 长期收益较高的基金（近3年、近2年），近期收益如何，如近1年，近6个月？
    • 基金市场收益是否存在周期性？
    • 有哪些基金投资的建议？
  • 股票部分
    • 近期基金对于个股的持仓变化，比如青睐哪些个股？
    • 能否从基金持仓数据中展现产业发展趋势？
    • 有哪些投资股票的建议？

评估指标

本项目在对基金数据评估和股票数据评估采用不同的评估指标：

  • 基金数据主要根据其不同时段的累计收益率进行评估
  • 股票数据因为涉及到两个关键变量，持仓基金机构数和持仓平均比重，由于两者的单位标准不同，所以将两个评估指标归一化之后在计算其调和平均数，从而作为综合评估基金机构对于股票的整体持仓态度

导入库

import sys
sys.path.append('E:\Data Analysis\Python爬虫\基金数据爬取')
import mysql_helper
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
import time
import calendar
import re
pd.set_option('max_colwidth',300)

import warnings
warnings.filterwarnings("ignore")
plt.rcParams['font.family']=['Microsoft YaHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

sys.path.append('E:\Data Analysis\Python爬虫\基金数据爬取\混合型基金数据分析\packages')
from plotSlope import slope #导入BumpChart第三方库

数据导入和理解

通过mysql_helper从数据库中导入相应的表格数据，爬取文件请参考混合基金数据采集_20210316文件

基金数据

主要包含的变量如下：

  • 基金代码：基金的唯一识别码，通过输入该码可以搜索到对应基金
  • 基金名称：基金所属名称
  • 累计收益率数据：包含日增长率、近1周、近3月、近6月、近1年、近2年、近3年、今年来、成立来
  • 基金链接：通过进入该链接可以查看该基金详情
helper = mysql_helper.MysqlHelper()
fund_list_sql = 'SELECT * FROM top100_fundlist_2021_03_16'
result1 = helper.fetch_records(fund_list_sql)
f_df = pd.DataFrame(result1)

f_df.head(2)
基金代码 基金链接 基金名称 日期 日增长率 近1周 近1月 近3月 近6月 近1年 近2年 近3年 今年来 成立来
0 000336 http://fund.eastmoney.com/000336.html 农银研究精选混合 03-16 0.71% 1.41% -17.94% 3.69% 22.69% 116.10% 197.45% 153.64% -9.31% 232.82%
1 002132 http://fund.eastmoney.com/002132.html 广发鑫享混合 03-16 0.04% 0.46% -15.37% 6.98% 24.59% 92.99% 183.27% 135.37% 1.51% 142.20%

基金十大重仓股票数据

提取f_df中每一只基金对应年份对应季度的股票重仓数据，主要包含的数据变量如下：

  • 基金代码：基金的唯一识别码，通过输入该码可以搜索到对应基金
  • 股票代码：股票的唯一识别码，通过输入该码可以搜索到对应股票
  • 股票名称：股票所属名称
  • 持仓占比：基金持有对应股票的净值占总持有持有净值的百分比
  • 持仓截止日期：持仓信息更新的日期
fund_cc_sql = 'SELECT * FROM fund_cc_2021_03_16'
result2 = helper.fetch_records(fund_cc_sql)
allfund_shs_df = pd.DataFrame(result2)

allfund_shs_df.head()
基金名称 基金代码 年份季度 股票代码 股票名称 变动详情 占净值比例 持股数 持仓市值
0 广发鑫享混合 (002132) 2020年4季度股票投资明细 002493 荣盛石化 变动详情 8.68% 398.00 10,988.78
1 广发鑫享混合 (002132) 2020年4季度股票投资明细 601233 桐昆股份 变动详情 7.05% 433.37 8,923.02
2 广发鑫享混合 (002132) 2020年4季度股票投资明细 000725 京东方A 变动详情 5.10% 1,074.79 6,448.74
3 广发鑫享混合 (002132) 2020年4季度股票投资明细 002353 杰瑞股份 变动详情 4.94% 178.50 6,247.50
4 广发鑫享混合 (002132) 2020年4季度股票投资明细 603225 新凤鸣 变动详情 4.59% 418.02 5,810.47 
# 去除allfund_shs_df中基金代码的括号allfund_shs_df['基金代码'] = allfund_shs_df['基金代码'].str.replace('(','').str.replace(')','')allfund_shs_df.head()
基金名称 基金代码 年份季度 股票代码 股票名称 变动详情 占净值比例 持股数 持仓市值
0 广发鑫享混合 002132 2020年4季度股票投资明细 002493 荣盛石化 变动详情 8.68% 398.00 10,988.78
1 广发鑫享混合 002132 2020年4季度股票投资明细 601233 桐昆股份 变动详情 7.05% 433.37 8,923.02
2 广发鑫享混合 002132 2020年4季度股票投资明细 000725 京东方A 变动详情 5.10% 1,074.79 6,448.74
3 广发鑫享混合 002132 2020年4季度股票投资明细 002353 杰瑞股份 变动详情 4.94% 178.50 6,247.50
4 广发鑫享混合 002132 2020年4季度股票投资明细 603225 新凤鸣 变动详情 4.59% 418.02 5,810.47

数据评估与清洗

合并基金主页信息和基金持仓信息，并对合并后的数据进行一致性和有效性处理

合并

# 将f_df与allfund_shareholds_df按照对应的基金代码合并成一个DataFrame
f_s_df = pd.merge(f_df,allfund_shs_df,on='基金代码',how='left')

f_s_df.head(2)
基金代码 基金链接 基金名称_x 日期 日增长率 近1周 近1月 近3月 近6月 近1年 ... 今年来 成立来 基金名称_y 年份季度 股票代码 股票名称 变动详情 占净值比例 持股数 持仓市值
0 000336 http://fund.eastmoney.com/000336.html 农银研究精选混合 03-16 0.71% 1.41% -17.94% 3.69% 22.69% 116.10% ... -9.31% 232.82% 农银研究精选混合 2020年4季度股票投资明细 000733 振华科技 变动详情 7.64% 355.97 20,948.96
1 000336 http://fund.eastmoney.com/000336.html 农银研究精选混合 03-16 0.71% 1.41% -17.94% 3.69% 22.69% 116.10% ... -9.31% 232.82% 农银研究精选混合 2020年4季度股票投资明细 300750 宁德时代 变动详情 7.53% 58.81 20,649.41

2 rows × 22 columns

# 删除合并之后的冗余项
f_s_df = f_s_df.drop(labels=['基金名称_y','变动详情'],axis=1)

# 更改'基金名称_x'的字段名为"基金名称"
f_s_df.rename(columns={'基金名称_x':'基金名称'},inplace=True)

检查和评估数据

对合并后的数据进行评估，如检查是否存在不必要的数据、数据类型有误、异常值、重复值、缺失值等情况

数据属性评估

# 评估合并后数据的基本信息
f_s_df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 4000 entries, 0 to 3999
Data columns (total 20 columns):#   Column  Non-Null Count  Dtype
---  ------  --------------  ----- 0   基金代码    4000 non-null   object1   基金链接    4000 non-null   object2   基金名称    4000 non-null   object3   日期      4000 non-null   object4   日增长率    4000 non-null   object5   近1周     4000 non-null   object6   近1月     4000 non-null   object7   近3月     4000 non-null   object8   近6月     4000 non-null   object9   近1年     4000 non-null   object10  近2年     4000 non-null   object11  近3年     4000 non-null   object12  今年来     4000 non-null   object13  成立来     4000 non-null   object14  年份季度    4000 non-null   object15  股票代码    4000 non-null   object16  股票名称    4000 non-null   object17  占净值比例   4000 non-null   object18  持股数     4000 non-null   object19  持仓市值    4000 non-null   object
dtypes: object(20)
memory usage: 343.8+ KB
  • 将含有"%"的数据的数据类型改成float;
  • 将年份季度改成datetime
  • 将持股数和持仓市值改成float;

数据异常评估

清洗完对数据属性评估的数据问题之后，再来对异常数值进行评估

# 是否存在缺失值
f_s_df.isnull().sum()

基金代码     0
基金链接     0
基金名称     0
日期       0
日增长率     0
近1周      0
近1月      0
近3月      0
近6月      0
近1年      0
近2年      0
近3年      0
今年来      0
成立来      0
年份季度     0
股票代码     0
股票名称     0
占净值比例    0
持股数      0
持仓市值     0
dtype: int64

# 是否存在重复记录和缺失值
f_s_df.isnull().sum(),f_s_df.duplicated().sum()

(基金代码     0基金链接     0基金名称     0日期       0日增长率     0近1周      0近1月      0近3月      0近6月      0近1年      0近2年      0近3年      0今年来      0成立来      0年份季度     0股票代码     0股票名称     0占净值比例    0持股数      0持仓市值     0dtype: int64, 0)

清洗数据

根据上述评估结果，对数据进行清洗

文本转日期

def change_yearquarter(val):year = re.findall(r'(\d+)',val)[0]q = re.findall(r'(\d+)',val)[1]q_end_month = int(q) * 3last = calendar.monthrange(int(year), q_end_month)[1]return (year + "-" + str(q_end_month) + "-" + str(last))

f_s_df['持仓截止日期'] = pd.to_datetime(f_s_df['年份季度'].apply(change_yearquarter))

f_s_df = f_s_df.drop(labels=['年份季度'],axis=1)

更改数据类型

# 自定义函数，将百分比字符串更改为浮点型数值
def string_to_number(string):'''Parameters:string  - (string) The data that's need to change to float.aReturns:update_value - (float) Updated float number'''try:update_value = round(float(string),4)except:if (string[-1] == "%"):update_value = round(float(string.strip('%'))/100,4)else:update_value = round(0,4)finally:return update_value
# 将含有百分号字符串的列应用到string_to_number函数上
f_s_df[['日增长率', '近1周', '近1月', '近3月', '近6月', '近1年','近2年', '近3年', '今年来', '成立来','占净值比例']] = f_s_df[['日增长率', '近1周', '近1月', '近3月', '近6月', '近1年','近2年', '近3年', '今年来', '成立来','占净值比例']].applymap(lambda x:string_to_number(x))

f_s_df[['日增长率', '近1周', '近1月', '近3月', '近6月', '近1年','近2年', '近3年', '今年来', '成立来','占净值比例']].head()
日增长率 近1周 近1月 近3月 近6月 近1年 近2年 近3年 今年来 成立来 占净值比例
0 0.0071 0.0141 -0.1794 0.0369 0.2269 1.161 1.9745 1.5364 -0.0931 2.3282 0.0764
1 0.0071 0.0141 -0.1794 0.0369 0.2269 1.161 1.9745 1.5364 -0.0931 2.3282 0.0753
2 0.0071 0.0141 -0.1794 0.0369 0.2269 1.161 1.9745 1.5364 -0.0931 2.3282 0.0733
3 0.0071 0.0141 -0.1794 0.0369 0.2269 1.161 1.9745 1.5364 -0.0931 2.3282 0.0556
4 0.0071 0.0141 -0.1794 0.0369 0.2269 1.161 1.9745 1.5364 -0.0931 2.3282 0.0545 
# 将持股数和持仓市值的字符串改成float
f_s_df.持股数 = f_s_df.持股数.str.replace(',','').astype(float)
f_s_df.持仓市值 = f_s_df.持仓市值.str.replace(',','').astype(float)

# 检查清洗后的结果和数据类型
f_s_df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 4000 entries, 0 to 3999
Data columns (total 20 columns):#   Column  Non-Null Count  Dtype
---  ------  --------------  -----         0   基金代码    4000 non-null   object        1   基金链接    4000 non-null   object        2   基金名称    4000 non-null   object        3   日期      4000 non-null   object        4   日增长率    4000 non-null   float64       5   近1周     4000 non-null   float64       6   近1月     4000 non-null   float64       7   近3月     4000 non-null   float64       8   近6月     4000 non-null   float64       9   近1年     4000 non-null   float64       10  近2年     4000 non-null   float64       11  近3年     4000 non-null   float64       12  今年来     4000 non-null   float64       13  成立来     4000 non-null   float64       14  股票代码    4000 non-null   object        15  股票名称    4000 non-null   object        16  占净值比例   4000 non-null   float64       17  持股数     4000 non-null   float64       18  持仓市值    4000 non-null   float64       19  持仓截止日期  4000 non-null   datetime64[ns]
dtypes: datetime64[ns](1), float64(13), object(6)
memory usage: 562.5+ KB

f_s_df.describe()
日增长率 近1周 近1月 近3月 近6月 近1年 近2年 近3年 今年来 成立来 占净值比例 持股数 持仓市值
count 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000 4000.000000
mean 0.008970 0.024553 -0.167160 0.051440 0.181779 0.830814 1.482843 1.132129 -0.026642 2.505357 0.053135 231.736117 12408.700545
std 0.006359 0.014334 0.062002 0.067754 0.082360 0.188021 0.128136 0.662799 0.068921 2.014360 0.018766 1016.169754 37901.787165
min -0.004400 -0.019300 -0.255800 -0.051900 -0.047900 0.362800 1.328100 0.000000 -0.153400 0.443000 0.019700 0.140000 90.290000
25% 0.004650 0.014050 -0.214325 0.007400 0.131800 0.703275 1.372800 1.022150 -0.072250 1.550150 0.038800 15.837500 1205.897500
50% 0.009100 0.025000 -0.183150 0.043750 0.178400 0.832350 1.468800 1.351800 -0.036950 1.892950 0.049500 47.960000 3216.780000
75% 0.011975 0.036325 -0.136300 0.080825 0.245975 0.965850 1.541750 1.538025 0.006400 2.717000 0.064900 161.000000 8734.670000
max 0.027200 0.051600 0.079800 0.292500 0.343200 1.262000 1.974500 2.831800 0.206200 14.361300 0.114800 30671.850000 652453.290000

从上表大致得出：

  • 近2年内，基金市场收益颇丰，从近2年的累计收益率可以看出，大部分基金收益率高达147%，最低的也有约133%的收益；从近1年的累计收益率得出，大部分基金收益率约在83%，可以大致推断，累计近3年的收益主要得益于最近2年的累计收益；
  • 最前1年即2018年实际上大部分基金是处于亏损状态；
  • 近1-3月，基金市场由盛转衰，目前正处于行情回落期，特别是近1月，大部分基金回撤幅度大，平均回撤率在18.3%左右；

探索性分析

基金部分

通过以下几个问题对基金部分进行探索性分析：

  • 哪些基金既能保持着较高且稳定的收益增长率，又能在市场波动较大的时候回撤率较小？
  • 长期收益较高的基金（近3年、近2年），近期收益如何，如近1年，近6个月？
  • 基金市场收益是否存在周期性？
  • 有哪些基金投资的建议？
# 选择供基金分析的数据属性
fund_ds_columns = ['基金代码','基金名称', '日增长率', '近1周', '近1月', '近3月', '近6月', '近1年','近2年', '近3年', '今年来', '成立来']
fund_rank_df = f_s_df[fund_ds_columns]

# 删除重复项
fund_rank_df.drop_duplicates(inplace=True)# 得到唯一的100只基金数据
fund_rank_df.shape

(100, 12)

# 由于部分基金创立至今尚不足3年，所以没有近3年收益数据，在数据清理部分将缺失部分统一设置为0
fund_rank_df[fund_rank_df['近3年'] == 0].shape

(22, 12)

100只基金中，有22只基金没有近3年收益的数据，为了后续的操作，将这些基金近3年的基金数据将由该列的中位数填充

median_3y = fund_rank_df['近3年'].median()
fund_rank_df['近3年'] = fund_rank_df['近3年'].apply(lambda x: x if x != 0 else median_3y)

fund_rank_df[fund_rank_df['近3年'] == 0].shape

(0, 12)

基金收益评估

关键评估指标：

  • 年均收益率：对2021-2020,2020-2019,2019-2018这三个期间段内的年增长率分别赋予0.35,0.3,0.35的权重，计算加权平均数，以此作为本项目年均增长的评估指标；
  • 今年来：因为2021年春节后爆发了基金市场的大回撤浪潮， 今年来的收益率可以用来评估基金的抗风险能力。另外抗风险能力在年均增长率中也有体现，2018年和2021年春节后属于基金退潮期，收益率大幅回撤，所以年均增长率将2021-2020和2019-2018赋予了较高的权重也是考虑到这个因素。

综合以上两个指标，对基金的收益能力进行综合评估

test_df = fund_rank_df[['近1年', '近2年', '近3年']]
shift_df = test_df - test_df.shift(1,axis=1)
shift_df['近1年'] = test_df['近1年']
incre_df = shift_df.rename(columns={'近1年':'1st_year','近2年':'2nd_year','近3年':'3rd_year'})

key_point_df = fund_rank_df[['基金代码','基金名称','今年来']].join(incre_df)

# 按照对应年份的权重计算加权平均
key_point_df['weighted_mean'] = round(key_point_df['1st_year']*0.35 + key_point_df['2nd_year']*0.3 + key_point_df['3rd_year']*0.35, 2)

fig, ax1 = plt.subplots(figsize=(10,10))
ax2 = ax1.twiny()top20_incre = key_point_df.sort_values(['weighted_mean','今年来'],ascending=False).head(20)
ax1.barh(top20_incre['基金名称'], top20_incre['weighted_mean'], color='orange', label='加权年均收益率',alpha=0.5);
ax2.plot(top20_incre['今年来'],top20_incre['基金名称'],'g-.',marker='o',label='今年来收益率')
ax1.set(ylabel='基金名称',title='TOP20加权年均收益排名',xticks=np.arange(0,1.2,0.2))
ax2.set(xticks=np.arange(-0.1,0.06,0.02))
fig.subplots_adjust(wspace=0.5,hspace=1.5)
ax1.invert_yaxis()
ax1.legend(loc=1)
ax2.legend(loc=2);

综合加权年均收益率和今年来的收益率，以下基金不管在退潮期的抗风险能力还是上升期的稳定增长，表现较为优秀的有：

  • 前海开源中国稀缺资产混合A/C
  • 前海开源沪港深优势精选混合
  • 富国新动力灵活配置混合A/C
  • 汇安丰泽混合A/C
  • 华商新趋势优选灵活配置混合
  • 华安沪港深外延增长混合

长期收益Top20在中短期的收益变化

# 选择供该部分分析的数据属性
sort_by_year = fund_rank_df.sort_values(['近3年','近2年'],ascending=False)# 对每一列降序排名
sort_by_year.iloc[:,2:] = sort_by_year.iloc[:,2:].apply(lambda x:round(x.rank(ascending=False),0))# 选择前20
longterm_top20 = sort_by_year.head(20)

longterm_top20_fund_rank = longterm_top20.set_index('基金名称').drop(labels=['基金代码'],axis=1).unstack().reset_index(name='排名').rename(columns={'level_0':'收益率名称'})

longterm_top20_fund_rank.to_csv('longterm_top20_fund_rank.csv',encoding='gbk',index=False)

将以上导出的visual_fund20_rank.csv作为数据集，使用Tableau可视化出近两年累计收益率在TOP20的基金在不同时间段的收益变化趋势，可视化结果已分享到Tableau Public平台，点击下方链接即可查看:
2020年第四季度基金收益变化趋势

有可视化结果可知：

  • 过去3年内长期累计收益率较高的基金，从近6个月起，增速开始放缓，特别是近1-3月出现了大幅度的回撤，如：前海开源医疗健康A/C、前海联合弘信混合C、工银信息产业混合、富国精准医疗混合
  • 而长期收益一般的，近期获取相对较高收益的，如：华商新趋势优选灵活配置混合、
  • 部分基金短中长期表现都相对较平稳：前海开源中国稀缺资产混合A/C、汇安丰泽混合A/C、长安裕泰混合A/C
  • 配置了部分港股的基金，近期收益相对较好，如：前海开源沪港深优势精选混合、华安沪港深外延增长混合、
    综上所述，可以看出基金收益具有明显的周期性，基金对标的是股票市场，所以股票市场的投资很多时候是产业轮动的，基金对于各种主题的投资如果偏科严重可能会导致收益波动较大，如需追求长期收益稳定的基金，应该选择较为混合的基金进行配置。而对于短期涨幅较大的基金或产业，应该谨慎投资，因为此时市场是风险大于机会了。

基金收益占比对比

# 自定义堆积柱形图
def stack_barh(results, category_names, figsize):"""Parameters----------results : dictA mapping from question labels to a list of answers per category.It is assumed all lists contain the same number of entries and thatit matches the length of *category_names*.category_names : list of strThe category labels.figsize: tuple of width and height"""labels = list(results.keys())data = np.array(list(results.values()))data_cum = data.cumsum(axis=1)category_colors = plt.get_cmap('RdYlGn')(np.linspace(0.15, 0.85, data.shape[1]))fig, ax = plt.subplots(figsize=figsize)ax.invert_yaxis()ax.xaxis.set_visible(False)ax.set_xlim(0, np.sum(data, axis=1).max())for i, (colname, color) in enumerate(zip(category_names, category_colors)):widths = data[:, i]starts = data_cum[:, i] - widthsax.barh(labels, widths, left=starts, height=0.5,label=colname, color=color)xcenters = starts + widths / 2r, g, b, _ = colortext_color = 'white' if r * g * b < 0.5 else 'darkgrey'for y, (x, c) in enumerate(zip(xcenters, widths)):ax.text(x, y, str(int(c)), ha='center', va='center',color=text_color)ax.legend(ncol=len(category_names), bbox_to_anchor=(0, 1),loc='lower left', fontsize='small')return fig, ax

key_point_df.head()
基金代码 基金名称 今年来 1st_year 2nd_year 3rd_year weighted_mean
0 000336 农银研究精选混合 -0.0931 1.1610 0.8135 -0.4381 0.50
40 002132 广发鑫享混合 0.0151 0.9299 0.9028 -0.4790 0.43
80 001679 前海开源中国稀缺资产混合A -0.0506 0.9933 0.7905 1.0480 0.95
120 002079 前海开源中国稀缺资产混合C -0.0505 0.9917 0.7870 1.0403 0.95
160 002939 广发创新升级混合 -0.0572 0.4419 1.3013 -0.2349 0.46 
# 构建一个字典stack_incre_dict = dict()
chart2_df = key_point_df[['基金名称','1st_year', '2nd_year', '3rd_year']].set_index('基金名称')
for index, value in zip(chart2_df.index, chart2_df.values):stack_incre_dict[index] = value

stack_barh(stack_incre_dict,category_names=[ '1st_year', '2nd_year', '3rd_year'],figsize=(16,50));

  1. 从上图能够很直观地看出，大部分基金近3年的累计收益主要得益于近2年的累计收益，2018年大部分基金都处于亏损状态，2019年开始大面积回暖，2020年大幅增长且上涨行情持续全年，直至近期才有所回落
  • 从上图基金不同年份的收益占比分布可以看出，大部分基金在不同年份的收益占比存在着此消彼长的规律

以上说明了股票市场轮动机制显著，大部分时间在进行着产业与产业之间的轮动投资，所以如果进行基金或股票的投资，稳健做法就是分散投资，切忌把所有的鸡蛋放在同一个篮子里

股票部分

  • 股票部分

    • 近期基金对于个股的持仓变化，比如青睐哪些个股？
    • 能否从基金持仓数据中展现产业发展趋势？
    • 有哪些投资股票的建议？

最新季度二十大基金重仓股票排名

f_s_df.head(1)
基金代码 基金链接 基金名称 日期 日增长率 近1周 近1月 近3月 近6月 近1年 近2年 近3年 今年来 成立来 股票代码 股票名称 占净值比例 持股数 持仓市值 持仓截止日期
0 000336 http://fund.eastmoney.com/000336.html 农银研究精选混合 03-16 0.0071 0.0141 -0.1794 0.0369 0.2269 1.161 1.9745 1.5364 -0.0931 2.3282 000733 振华科技 0.0764 355.97 20948.96 2020-12-31 
recent_q_df = f_s_df[f_s_df['持仓截止日期'] == f_s_df['持仓截止日期'].max()]
recent_q_sh= recent_q_df.groupby(['股票名称']).agg({'股票名称':'count','占净值比例':'mean'}).rename(columns={'股票名称':'重仓基金数','占净值比例':'基金平均持仓占比'}).reset_index()

将重仓基金数和基金平均持仓占比归一化

创建持仓评分指标，计算重仓基金数和基金平均持仓占比的调和平均数，从而综合评估基金对股票的持仓情况：
持仓评分=2×归一化的重仓机构数∗归一化的基金平均持仓占比归一化的重仓机构数+归一化的基金平均持仓占比持仓评分 = 2\times\frac{归一化的重仓机构数*归一化的基金平均持仓占比}{归一化的重仓机构数+归一化的基金平均持仓占比}持仓评分=2×归一化的重仓机构数+归一化的基金平均持仓占比归一化的重仓机构数∗归一化的基金平均持仓占比​

# 创建以调和平均数为计算方法的持仓评分指标
from sklearn.preprocessing import MinMaxScalerdef create_ss_score(df,feature1,feature2,create_feature_name):'''df - (DataFrame) The dataset contains data that need to scale.feature1 - (str) column1 of df that need to scalefeature2 - (str) column2 of df that need to scalecreate_feature_name: The column name that rank fund shareholds '''scale = MinMaxScaler()df[[feature1,feature2]] = scale.fit_transform(df[[feature1,feature2]])df[create_feature_name] = 2*(df[feature1]*df[feature2])/(df[feature1]+df[feature2])

recent_q_sh_copy = recent_q_sh.copy()
create_ss_score(recent_q_sh_copy,'重仓基金数','基金平均持仓占比','持仓评分')

recent_q_sh_copy.head()
股票名称 重仓基金数 基金平均持仓占比 持仓评分
0 ST抚钢 0.068182 0.118393 0.086531
1 一心堂 0.000000 0.858684 0.000000
2 一拖股份 0.000000 0.186624 0.000000
3 七一二 0.022727 0.241640 0.041547
4 万华化学 0.045455 0.400935 0.081652 
top20_cc_rank = recent_q_sh_copy.sort_values('持仓评分',ascending=False).iloc[:20]

fig,ax = plt.subplots(figsize=(16,6))
x = top20_cc_rank['股票名称']
y1 = top20_cc_rank['持仓评分']
ax.bar(x,y1,alpha=0.5)
ax.set(xlabel='股票名称',ylabel='持仓评分',title='上一季度股票持仓机构情况',ylim=(0,0.8))
for a,b in zip(np.arange(len(x)),y1):ax.text(a,b+0.015,'%.2f'%b,fontsize=10,horizontalalignment='center')
ax.hlines(y=y1.mean(),xmin=0,xmax=19,colors='r',linestyles='dotted')
fig.autofmt_xdate(rotation=30);

  1. 2020年四季度基金对***贵州茅台、五粮液、宁德时代、泸州老窖、中国中满、隆基股份***较为看好

    1. 机构仍对***高端白酒行业***较为青睐，前6大重仓股中有3只股票属于高端白酒行业：贵州茅台、五粮液和泸州老窖，说明机构长期看好该行业的龙头企业；
    2. 相较与对医疗行业上一季度的保守态度，（见上一季度分析报告20201124），机构增加了对医疗行业龙头企业的持股占比，如药明康德、长春高新、迈瑞医疗、爱尔眼科、恒瑞医药、英科医疗；
  • 根据上图重仓股的行业分布来看，机构仍旧看好**高端白酒、医疗医药、新能源（光伏/锂能）**行业的龙头企业，投资者可以重点关注这几个方向的龙头企业，如股票最近涨幅过大，切忌不要追高，等回调至一定幅度再进行投资。

    1. 相较于上一季度，机构增加了对有色、化工行业的投资，如紫金矿业、天赐材料
    • 相较于上一季度，机构减少了对消费电子的持股数量和比重，如立讯精密、歌尔股份（详情可参照20201124报告）

环比季度持仓变化趋势

环比基金二十大重仓股票在每个季度与上一季度对比的持仓变化和趋势

q_sh = f_s_df.groupby(['持仓截止日期','股票名称']).agg({'股票名称':'count','占净值比例':'mean'}).rename(columns={'股票名称':'重仓基金数','占净值比例':'基金平均持仓占比'})
q_sh_copy = q_sh.copy()

create_ss_score(q_sh_copy,'重仓基金数','基金平均持仓占比','持仓评分')

q_sh_copy.head()
重仓基金数 基金平均持仓占比 持仓评分
持仓截止日期 股票名称
2020-03-31 一心堂 0.000000 0.478365 0.000000
万兴科技 0.000000 0.528846 0.000000
万华化学 0.000000 0.198317 0.000000
万孚生物 0.000000 0.270433 0.000000
万科A 0.139535 0.381868 0.204387 
# 按照持仓评分进行季度环比，探索每个季度二十大重仓股的变化趋势
g = q_sh_copy['持仓评分'].groupby(level=0,group_keys=False)
res= g.apply(lambda x:x.sort_values(ascending=False).head(20))

recent_q_date = datetime.strftime(f_s_df['持仓截止日期'].max(),'%Y-%m-%d')

sh_trend = res.unstack(level=0).sort_values(recent_q_date,ascending=False)

# 下方是使用Tableau绘制BumpChart来体现基金的持仓变化
top20shs_rank = res.reset_index()
file_name = 'top20shs_rank_'+recent_q_date+'.csv'
top20shs_rank.to_csv(file_name,encoding='gbk',index=False)

sh_trend.head()
持仓截止日期 2020-03-31 2020-06-30 2020-09-30 2020-12-31
股票名称
贵州茅台 0.593553 0.604812 0.583638 0.628159
五粮液 0.340891 0.475603 0.537049 0.589133
宁德时代 0.278750 0.527251 0.491400 0.555295
泸州老窖 NaN NaN 0.392073 0.482513
中国中免 NaN 0.261992 0.317589 0.468595

使用两种方式可视化基金的持仓变化，如下：

  1. plotSlope是一个开源的旨在可视化***BumpChart***的脚本文件，来源于pascal-schetelat/Github
from plotSlope import slope
  • 使用Tableau操作***BumpChart***，可视化结果已分享到Tableau Public平台，点击下方链接即可查看
    2020年基金重仓股趋势分析
# 下面用plotSlope绘制的bump_chart来体现基金的持仓变化
f = slope(sh_trend,font_family='Microsoft YaHei',marker='%.2f',font_size=32 ,height=28,width=50,title='2020年前四季度基金持仓趋势变化',dpi=100)

通过以上两种可视化方式探索分析可得：

  1. 基金持续重仓的个股：

    • 贵州茅台
    • 五粮液
    • 宁德时代
  • 基金连续增持的个股：

    • 中国中免
    • 泸州老窖
    • 赣锋锂业
  • 基金稳定持有的个股：
    • 药明康德
    • 迈瑞医疗
    • 爱尔眼科
    • 恒瑞医药
  • 基金较上一季度大幅减持的个股：
    • 立讯精密
    • 隆基股份
    • 智飞生物
    • 通威股份

从以上所涉及的行业领域划分来看：

  1. 基金维持着对高端白酒行业龙头企业的高比重操作，说明基金持续稳定地看好此类企业的长期投资价值；
  • 基金重持了对医疗医药行业的信心，相较上一季度，增持了部分医药行业的龙头企业，如药明康德、迈瑞医药、爱尔眼科、恒瑞医药、长春高新，从整个2020年的持仓变化可以看出，对于上述医药行业龙头，呈现强者恒强的局面：

    1. 基金对医药行业不同赛道的不同企业在持仓态度上存在较大的分化，如，但对康泰生物、普洛药业、浙江医药、华兰生物等，只在2020年1季度重仓了这些医药个股，而该季度恰逢疫情爆发高峰，所以投资者在投资时需要区分好成长股、周期股、题材股和因部分不可抗力而导致的投资；
  • 基金依然较为稳定地持有新能源行业的股份，如锂能电池行业，但减持对光伏产业的股份，如隆基股份、通威股份；
  • 相较于上一季度，机构增加了对有色、化工行业的投资，如紫金矿业、天赐材料；
  • 相较于上一季度，机构大量减少了对消费电子的持仓，如立讯精密、歌尔股份；

结论与建议

基金部分

  1. 综合加权年均收益率和今年来的收益率，以下基金不管在退潮期的抗风险能力还是上升期的稳定增长，表现较为优秀的有：

    • 前海开源中国稀缺资产混合A/C
    • 前海开源沪港深优势精选混合
    • 富国新动力灵活配置混合A/C
    • 汇安丰泽混合A/C
    • 华商新趋势优选灵活配置混合
    • 华安沪港深外延增长混合

  2. 通过TableauBar chart可以看出：

    • 过去3年内长期累计收益率较高的基金，从近6个月起，增速开始放缓，特别是近1-3月出现了大幅度的回撤，如：前海开源医疗健康A/C、前海联合弘信混合C、工银信息产业混合、富国精准医疗混合
    • 而长期收益一般的，近期获取相对较高收益的，如：华商新趋势优选灵活配置混合、
    • 部分基金短中长期表现都相对较平稳：前海开源中国稀缺资产混合A/C、汇安丰泽混合A/C、长安裕泰混合A/C
    • 配置了部分港股的基金，近期收益相对较好，如：前海开源沪港深优势精选混合、华安沪港深外延增长混合

  3. 通过stack_bar直观地看出:

    • 大部分基金近3年的累计收益主要得益于近2年的累计收益，2018年大部分基金都处于亏损状态，2019年开始大面积回暖，2020年大幅增长且上涨行情持续全年，直至近期才有所回落
    • 从上图基金不同年份的收益占比分布可以看出，大部分基金在不同年份的收益占比存在着此消彼长的规律

**基金投资建议：**可以看出基金收益具有明显的周期性，基金对标的是股票市场，所以股票市场的投资很多时候是产业轮动的，基金对于各种主题的投资如果偏科严重可能会导致收益波动较大，如需追求长期收益稳定的基金，应该选择较为混合的基金进行配置。而对于短期涨幅较大的基金或产业，应该谨慎投资，因为此时市场是风险大于机会了。

股票部分

  1. 2020年四季度基金对***贵州茅台、五粮液、宁德时代、泸州老窖、中国中满、隆基股份***较为看好

    1. 机构仍对***高端白酒行业***较为青睐，前6大重仓股中有3只股票属于高端白酒行业：贵州茅台、五粮液和泸州老窖，说明机构长期看好该行业的龙头企业；
    2. 相较与对医疗行业上一季度的保守态度，（见上一季度分析报告20201124），机构增加了对医疗行业龙头企业的持股占比，如药明康德、长春高新、迈瑞医疗、爱尔眼科、恒瑞医药、英科医疗；
  • 根据上图重仓股的行业分布来看，机构仍旧看好**高端白酒、医疗医药、新能源（光伏/锂能）**行业的龙头企业，投资者可以重点关注这几个方向的龙头企业，如股票最近涨幅过大，切忌不要追高，等回调至一定幅度再进行投资。

    1. 相较于上一季度，机构增加了对有色、化工行业的投资，如紫金矿业、天赐材料
    • 相较于上一季度，机构减少了对消费电子的持股数量和比重，如立讯精密、歌尔股份（详情可参照20201124报告）
  1. 从以上所涉及的行业领域综合论述：

    1. 基金维持着对高端白酒行业龙头企业的高比重操作，说明基金持续稳定地看好此类企业的长期投资价值；
    • 基金重持了对医疗医药行业的信心，相较上一季度，增持了部分医药行业的龙头企业，如药明康德、迈瑞医药、爱尔眼科、恒瑞医药、长春高新，从整个2020年的持仓变化可以看出，对于上述医药行业龙头，呈现强者恒强的局面：

      1. 基金对医药行业不同赛道的不同企业在持仓态度上存在较大的分化，如，但对康泰生物、普洛药业、浙江医药、华兰生物等，只在2020年1季度重仓了这些医药个股，而该季度恰逢疫情爆发高峰，所以投资者在投资时需要区分好成长股、周期股、题材股和因部分不可抗力而导致的投资；
    • 基金依然较为稳定地持有新能源行业的股份，如锂能电池行业，但减持对光伏产业的股份，如隆基股份、通威股份；

股票投资建议：重点关注高端白酒产业的龙头企业，关注新能源产业，特别是光伏、新能源汽车和锂能的龙头企业的企业信息和行业动态，如国家对于该类产业的政策扶持等，医药医疗行业分化较大，谨慎择股。最后，切忌追高。

2020年四季度混合型基金数据分析相关推荐

  1. 2020年四季度我读过的十二本好书！

    这是傅一平的第361篇原创 [提醒:公众号推送规则变了,如果您想及时收到推送,麻烦右下角点个在看,或者把本号置顶] 正文开始 2020年就要过去了,给大家推荐四季度自己读过的不错的书,遗憾的是工作中所 ...

  2. 可口可乐公司2020年四季度营收86.1亿美元，每股收益高于预期

    美国时间2月10日,可口可乐公司发布2020年第四季度及全年财报.财报显示,可口可乐公司第四季度营收为86.1亿美元,符合市场预期:经营利润为23.4亿美元,同比增长8%:每股收益为0.47美元,高于 ...

  3. 星球年度汇总-20年四季度基金持仓数据公布了! 分析小工具新功能上线!

    量化交易是一个多技术综合的项目,学习完书籍<Python股票量化交易从入门到实践>我们提供了升级的学习内容--知识星球<玩转股票量化交易> 在星球中我们深入分享包括Python ...

  4. 中科院计算所职业培训中心2014年四季度课程安排

    中科院计算所培训中心成立于1987年,是计算所根据国家普及计算机知识,培养专业计算机人才而创建的.培训中心依托中国科学院强大的技术背景,历经二十年的发展,为全国各企事业单位.部队.院校等累计培养了近十 ...

  5. 2021年四季度企业薪酬报告发布 38个核心城市平均薪酬首次超万

    智联招聘日前发布2021年四季度<中国企业招聘薪酬报告>,北京.上海.贵阳等38个核心城市平均薪酬首次破万,达到10111元/月,环比上涨3.8%,较去年同期的8923元/月高13.3%. ...

  6. 南大计算机考研生源,高校解析：南京大学2020年推免数据分析

    原标题:高校解析:南京大学2020年推免数据分析 2020届的保研大幕已经落下,距离明年的保研备战还有四个月左右,各位有志于保研的同学准备好了吗?在这关键的准备期中,保研派将为你提供最贴心的数据分析. ...

  7. KDD Cup 2020 推荐系统赛道：数据分析

    写在前面 近期对推荐系统颇为感兴趣,正巧看到今年KDD Cup赛题中有两道都是推荐相关的,借着这次机会学习学习.本文将对其中的一道,KDD Cup 2020 Challenges for Modern ...

  8. 都2020年了，数据分析的真相究竟是什么？

    作者:接地气的陈老师 来源:接地气学堂 一提人工智能大数据,必有人提啤酒与尿布,有意思的是,都2020年了,还有人信这个老掉牙的都市传说.今天我们系统讲解一下.  1 站在背后的关联规则 支持啤酒与尿 ...

  9. 「2020」拼多多数据分析笔试题 | 附解答

    19届同学反馈,pdd的数据分析SQL部分出的很好,20届感叹道,说的太对了. pdd的笔试题一共五道,考试时只划分为一个部分,答题时间90分钟. 第一部分:SQL查询题3道 第一题:活动运营数据分析 ...

  10. 2020年重庆二手房数据分析

    ​2019年重庆市实现地区生产总值23605.77亿元,增速6.3%,常住人口3124.32万人,其中城镇常住人口2086.99万人,比上年增加55.40万人:乡村常住人口1037.33万人,减少32 ...

最新文章

  1. iOS ---网络请求封装（自动缓存与手动缓存）
  2. linux内核编译及系统裁减
  3. 致正煎熬的科研人：一个工具让你快速“KO”学术文献！
  4. jaas_受JAAS保护的JAX-RS端点
  5. Linux软件安装的几种方法 （一）—— apt-get
  6. linux2.6.28内核对bio完成通知的改进--集中走向分离的另一个例子
  7. 教你如何解决JS/TS里特定String进行拆分然后遍历各个元素
  8. jsp文件命名规范_代码规范整理
  9. warning: C4819: 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失
  10. windows下如何使用QT编写dll程序 .
  11. 2017 10 13
  12. python alembic which comes from SQLalchemy
  13. 【LBS】高德地图、百度地图的经纬度科普|MySQL和编程语言是如何计算两个坐标之间的距离？
  14. arcgis分析道路节点中心性degree，closeness，betweenness
  15. 三种查询IP归属地的接口
  16. F 小名的回答 (奇偶) 湖南师范大学2018年大学生程序设计竞赛新生赛
  17. 无器械健身锻炼全身肌肉的方法
  18. Android 圆形头像 带阴影 带边界 完整代码
  19. mysql 不会丢失数据吗_讨论MySQL丢失数据的几种情况
  20. html css 边框不显示,css怎么设置不显示下边框？

热门文章

  1. 1. 无穷维空间的测度论-Wiener测度(二)
  2. uniapp实现退出登录
  3. vbs整人小脚本（搞笑）
  4. 计算两点间距离C++
  5. php 生成多个水印,php 生成水印的完整代码
  6. idea中svn颜色代表的文件状态
  7. 导数乘法/除法法则的证明
  8. 为资产分类定义折旧范围_SAP FICO-AA资产知识要点.doc
  9. sprint 周期总结
  10. Wagtail Usage guide：Wagtail 使用指南