基于Python的指数基金量化投资 - 指数投资技巧（一）定期定额

指数投资方式中有四种基本的方法，分别是定期定额、定期不定额、不定期定额和不定期不定额，这四种方式投资效果不同，对投资者的要求也不同，定期定额最简单，但收益不算高，不定期不定额最复杂，对投资者的要求最高，特别是对情绪的要求非常高，同时收益也是最好的。

这里先介绍第一种定期定额的情况，下面会通过量化的过程来反应投资的整体过程。

定期定额就是按日、按周或者按月进行投资，每次投资的资金是一样的，比如每周买入1000块的沪深300基金，这种方式是不管指数涨跌，到点就买；

假设每次投入的资金是1000块，按周定投，下面是通过量化的过程跑出来的情况（源码附在后面），这里既然是定期定额就不考虑卖出。数据是通过中证全指（指数代码1000002）进行计算的。

上半部分的图中蓝线是中证全指的走势图，红点是每周定投的位置，下半部分的图中蓝线是累计投入的资金，红线是持有基金的市值，整个过程投入的总资金是500000，最终的基金总市值是680424.75，最后获得的收益是36.08%，从下半部分图中可以很清晰的看出，当指数下跌的过程，基金市值会低于投入的资金，这个过程收益为负，随着指数的上涨，基金市值上涨的幅度会高于投入的资金，然后在某些点超过投入资金的总值，这个过程收益就会转负为正，这就是在低点积累的份额更多造成的。

整体来说定期定额的投资效果并不是很好，接下来还会分享定期不定额、不定期定额和不定期不定额来进行比较。

源码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import math as mathname_index = 'lxr_1000002'
name_index_g = 'g_lxr'
all_data_index = pd.read_csv('./exportfile/indexDataAll/' + name_index + '.csv')
all_data_index_g = pd.read_csv('./importfile/indexSeries/indexValuation/g/' + name_index_g + '.csv')calc_range = 2500
calc_gap = 5
data_index_p = all_data_index['close'].values[len(all_data_index['close']) - calc_range:len(all_data_index['close']):calc_gap]
data_index_g = all_data_index_g['pe'].values[len(all_data_index_g['pe']) - calc_range:len(all_data_index_g['pe']):calc_gap]
val_percentage_list = list()sell_flag_no_regular_no_quota = [0, 0]
sell_flag_regular_quota = 0
sell_flag_regular_no_quota = 0
sell_flag_no_regular_quota = 0def RegularQuota(val_percentage, val_data_p, buy_cnt, buy_total_share):global sell_flag_regular_quotaif val_percentage <= 1:sell_flag_regular_quota = 0buy_each_regular_quota = 1000buy_each_share = buy_each_regular_quota / val_data_pbuy_total_share = buy_total_share + buy_each_sharebuy_cnt = buy_cnt + 1plot_y = val_data_pplot_x = iplot_flag = 1else:if sell_flag_regular_quota == 0:sell_flag_regular_quota = 1buy_each_share = -buy_total_sharebuy_total_share = 0plot_y = val_data_pplot_x = iplot_flag = -1else:buy_each_share = 0plot_y = val_data_pplot_x = iplot_flag = 0return buy_each_share, buy_cnt, [plot_flag, plot_x, plot_y], buy_total_sharegap = 5  # invest each week
cnt = 0buy_each_share_regular_quota = np.zeros((len(data_index_p), 1))
buy_total_share_list_regular_quota = np.zeros((len(data_index_p), 1))
buy_total_money_list_regular_quota = np.zeros((len(data_index_p), 1))
buy_cnt_regular_quota = 0
plot_regular_quota = np.zeros((len(data_index_p), 3))buy_each_share_regular_no_quota = np.zeros((len(data_index_p), 1))
buy_total_share_list_regular_no_quota = np.zeros((len(data_index_p), 1))
buy_total_money_list_regular_no_quota = np.zeros((len(data_index_p), 1))
buy_cnt_regular_no_quota = 0
plot_regular_no_quota = np.zeros((len(data_index_p), 3))buy_each_share_no_regular_quota = np.zeros((len(data_index_p), 1))
buy_total_share_list_no_regular_quota = np.zeros((len(data_index_p), 1))
buy_total_money_list_no_regular_quota = np.zeros((len(data_index_p), 1))
buy_cnt_no_regular_quota = 0
plot_no_regular_quota = np.zeros((len(data_index_p), 3))buy_each_share_no_regular_no_quota = np.zeros((len(data_index_p), 1))
buy_total_share_list_no_regular_no_quota = np.zeros((len(data_index_p), 1))
buy_total_money_list_no_regular_no_quota = np.zeros((len(data_index_p), 1))
buy_cnt_no_regular_no_quota = 0
plot_no_regular_no_quota = np.zeros((len(data_index_p), 3))# idx_start = 974 #2011-1-4
idx_start = 1
for i in range(len(data_index_p)):valuation_len = all_data_index_g['pe'].values[len(all_data_index['close']) - calc_range-500:len(all_data_index['close']) - calc_range+i*calc_gap:calc_gap]val_loc = np.where(valuation_len < data_index_g[i])val_percentage = len(val_loc[0]) / (len(valuation_len))val_percentage_list.append(val_percentage)buy_each_regular_quota = 1000buy_each_share_regular_quota[i], buy_cnt_regular_quota, plot_regular_quota[i], buy_total_share_regular_quota\= RegularQuota(val_percentage, data_index_p[i], buy_cnt_regular_quota, sum(buy_each_share_regular_quota))buy_total_share_list_regular_quota[i] = sum(buy_each_share_regular_quota) * data_index_p[i]buy_total_money_list_regular_quota[i] = buy_cnt_regular_quota * buy_each_regular_quotaearn_total_money_no_regular_quota = np.zeros((len(data_index_p), 1))
money_sell_no_regular_quota = 0
for i in range(len(data_index_p)):if buy_each_share_no_regular_quota[i] < 0:money_sell_no_regular_quota = money_sell_no_regular_quota - buy_each_share_no_regular_quota[i] * data_index_p[i]earn_total_money_no_regular_quota[i] = sum(buy_each_share_no_regular_quota[0:i+1]) * data_index_p[i] + money_sell_no_regular_quotaearn_total_money_regular_no_quota = np.zeros((len(data_index_p), 1))
money_sell_regular_no_quota = 0
for i in range(len(data_index_p)):if buy_each_share_regular_no_quota[i] < 0:money_sell_regular_no_quota = money_sell_regular_no_quota - buy_each_share_regular_no_quota[i] * data_index_p[i]earn_total_money_regular_no_quota[i] = sum(buy_each_share_regular_no_quota[0:i+1]) * data_index_p[i] + money_sell_regular_no_quotaearn_total_money_regular_quota = np.zeros((len(data_index_p), 1))
money_sell_regular_quota = 0
for i in range(len(data_index_p)):if buy_each_share_regular_quota[i] < 0:money_sell_regular_quota = money_sell_regular_quota - buy_each_share_regular_quota[i] * data_index_p[i]print('')earn_total_money_regular_quota[i] = sum(buy_each_share_regular_quota[0:i+1]) * data_index_p[i] + money_sell_regular_quotaprint('')earn_total_money_no_regular_no_quota = np.zeros((len(data_index_p), 1))
money_sell_no_regular_no_quota = 0
for i in range(len(data_index_p)):if buy_each_share_no_regular_no_quota[i] < 0:money_sell_no_regular_no_quota = money_sell_no_regular_no_quota - buy_each_share_no_regular_no_quota[i] * data_index_p[i]earn_total_money_no_regular_no_quota[i] = sum(buy_each_share_no_regular_no_quota[0:i+1]) * data_index_p[i] + money_sell_no_regular_no_quotaplt_gap = 10
size_title = 28
size_label = 15
size_line = 3
size_rotation = 15
size_buy_plot = 5# ------------------------------------------------------------- #plt.figure()
plt.rcParams["axes.grid"] = True
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams["grid.linestyle"] = (3, 5)
plt.subplot(211)income = 100 * (earn_total_money_regular_quota[-1][0] - buy_total_money_list_regular_quota[-1][0]) / buy_total_money_list_regular_quota[-1][0]
plt.title('定期定额 | 投资收益 = ' + str("{:.2f}".format(income)) + '%',size=15)v_max = max(data_index_p)
v_min = min(data_index_p)for i in range(len(plot_regular_quota)):if plot_regular_quota[i][0] == 1:plt.plot(plot_regular_quota[i][1], plot_regular_quota[i][2],color='tomato',marker='o',ms=(size_buy_plot*v_max/plot_regular_quota[i][2]))elif plot_regular_quota[i][0] == -1:plt.plot(plot_regular_quota[i][1], plot_regular_quota[i][2], color='purple', marker='o',ms=10)
plt.plot(data_index_p)
plt_xticks = all_data_index['date'].values[len(all_data_index['close']) - calc_range:len(all_data_index['close']):calc_gap].tolist()
plt.xticks(range(len(plt_xticks),0,-math.floor(len(plt_xticks)/plt_gap)),plt_xticks[len(plt_xticks):0:-math.floor(len(plt_xticks)/plt_gap)],rotation=size_rotation)
plt.tick_params(labelsize=size_label)plt.subplot(212)
plt.plot(buy_total_share_list_regular_quota,color='tomato')
font = {'size': 15, 'color': 'tomato', 'weight': 'black'}
plt.text(len(buy_total_share_list_regular_quota), buy_total_share_list_regular_quota[-1][0], str("{:.2f}".format(buy_total_share_list_regular_quota[-1][0])), fontdict=font)
plt.plot(len(buy_total_share_list_regular_quota)-1,buy_total_share_list_regular_quota[-1][0], color='tomato', marker='o')plt.plot(buy_total_money_list_regular_quota,color='cornflowerblue')
font = {'size': 15, 'color': 'cornflowerblue', 'weight': 'black'}
plt.text(len(buy_total_money_list_regular_quota), buy_total_money_list_regular_quota[-1][0], str("{:.2f}".format(buy_total_money_list_regular_quota[-1][0])), fontdict=font)
plt.plot(len(buy_total_money_list_regular_quota)-1,buy_total_money_list_regular_quota[-1][0], color='cornflowerblue', marker='o')plt.plot(earn_total_money_regular_quota,color='red')
font = {'size': 15, 'color': 'red', 'weight': 'black'}
plt.text(len(earn_total_money_regular_quota), earn_total_money_regular_quota[-1][0], str("{:.2f}".format(earn_total_money_regular_quota[-1][0])), fontdict=font)
plt.plot(len(earn_total_money_regular_quota)-1,earn_total_money_regular_quota[-1][0], color='red', marker='o')plt_xticks = all_data_index['date'].values[len(all_data_index['close']) - calc_range:len(all_data_index['close']):calc_gap].tolist()
plt.xticks(range(len(plt_xticks),0,-math.floor(len(plt_xticks)/plt_gap)),plt_xticks[len(plt_xticks):0:-math.floor(len(plt_xticks)/plt_gap)],rotation=size_rotation)
plt.tick_params(labelsize=size_label)# ----------------------------------------------------------------- #plt.show()

文中用到的两个文件下载链接: https://pan.baidu.com/s/13alPKvTP7Rw061UMcgtMXQ?pwd=s6dr 提取码: s6dr

程序中用到的数据如果有问题，大家可以留言获取也可以添加小将前行的微信xjqx_666进行获取，欢迎大家一起交流沟通

课程参考：基于Python的量化指数基金投资

基于Python的指数基金量化投资 - 指数投资技巧（一）定期定额相关推荐

基于Python的指数基金量化投资——指数数据获取
做基金的量化,最最重要的是要有数据,所以指数的数据是所有分析的源头. Baostock就提供比较全面的指数数据,具体可以参考<基于Python的指数基金量化投资 - 股票数据源baostock& ...
基于Python的指数基金量化投资 ——A股所有个股名称和证券代码获取
前面介绍过怎么获取A股个股的数据<基于Python的指数基金量化投资 - 股票数据源baostock>,里面包含了个股的各种历史数据,包含:股价.市盈率.市净率.成交量.换手率等等. 但是 ...
基于Python的指数基金量化投资-股票数据源baostock
基于Python的指数基金量化投资-股票数据源baostock 课程参考:基于Python的量化指数基金投资微信公众号: 量化用到的数据源来自baostock,可以通过www.baostock.co ...
基于Python的指数基金量化投资——指数基金偏离度计算
什么是指数偏离度它是指数涨跌的快慢和偏离幅度指标. 当指数快速上涨,偏离度数据会迅速的向上偏离,当快速下跌时,偏离度数据会迅速的向下偏离. 而持续的上涨中出现下跌,偏离度就会急转直下,另一种持续的下 ...
基于Python的指数基金量化投资——指数基金间相关度计算
每一种指数基金都是由一篮子股票组成的,少的有几十个成分股,多的有几百上千个成分股,而整个A股目前有四千多家上市公司,每种指数基金都从A股这个大篮子里面选取成分股,那就会有个问题,不同的指数基金选择的成 ...
基于Python的指数基金量化投资——A股全市场成交量计算
成交量是反映市场情绪和流动性一个很重要的指标,当出现牛市时成交量会急剧放大,当出现熊市时成交量会急剧缩小. 通过成交量可以反映出市场的情绪是处于正常.平淡还是疯狂,可以在一定程度上指导我们的投资操作, ...
基于Python的指数基金量化投资-为什么量化指数基金投资
上一次写了基于Python的指数基金量化投资-股票数据源baostock 这次来说一下为什么要量化指数基金投资. 进行指数基金投资我们需要清楚几个关键点:该投资哪些指数品种,为什么投资这些品种.这些品 ...
基于Python的指数基金量化投资 - 指数投资技巧（三）不定期定额
指数投资方式中有四种基本的方法,分别是定期定额.定期不定额.不定期定额和不定期不定额,这四种方式投资效果不同,对投资者的要求也不同,定期定额最简单,但收益不算高,不定期不定额最复杂,对投资者的要求最高 ...
《共同基金常识》书中的精髓：如何用好指数基金，做好理财投资？
<共同基金常识>书中的精髓:如何用好指数基金,做好理财投资? 财务自由可能是我们每个人的梦想,但是要想实现财务自由,我们就需要一个稳定增长的路径. 说到投资,很多朋友首先想到的应该是理财产 ...
基于Python的指数基金量化投资——指数包含的个股数据获取
要计算指数的加权值,指数的市盈率.市净率,或者指数的净资产收益率,都需要用到指数所包含的个股信息,前面分享的<指数的净资产收益率计算>和<指数的市盈率和市净率计算>等文中都有提 ...

基于Python的指数基金量化投资 - 指数投资技巧（一）定期定额

源码

基于Python的指数基金量化投资 - 指数投资技巧（一）定期定额相关推荐

最新文章

热门文章