文章目录

提出问题
获取数据
- Step1 打开网址，登录帐号
- Step2 进入研究环境
- Step3 新建一个Python3的Notebook
- Step4 在新建的Notebook中写入代码
- - 获取指数数据函数
  - 获取指数数据示例
数据探索
数据分析
- 高点定投，能否盈利？
- - 按月自动定投函数
  - 按月自动定投示例
- 周定投PK月定投？
- 周定投
- - 按周自动定投函数
  - 按周自动定投示例
  - 周定投PK月定投函数
  - 周定投PK月定投示例
得出结果

提出问题

本文主要针对以下两个问题进行探讨：

如果投资者“不幸”从最高点开始定投指数基金，那么是否还能盈利？
周定投和月定投哪个更好？

获取数据

注意：本文为了简单起见，直接用指数代替了指数基金。

Step1 打开网址，登录帐号

JoinQuant聚宽

Step2 进入研究环境

进入研究环境之后，会发现是一个类似于Jupyter Notebook的开发界面。

Step3 新建一个Python3的Notebook

后面所有操作和Jupyter Notebook一样。

Step4 在新建的Notebook中写入代码

获取指数数据函数

导入所需要用到的库

import pandas as pd
import matplotlib.pyplot as plt

定义获取指数数据的函数

# 获取股票数据函数
def get_stock_data(code, start_date, end_date):""":param code: 需要获取数据的指数代码，注意使用的是上交所的指数代码:param start_date: 开始获取数据的日期:param end_date: 结束获取数据的日期:return: 返回从开始到结束日期每天的指数数据"""df = get_price(code+'.XSHG', start_date=start_date, end_date=end_date, frequency='daily') df = df.dropna()    # 删除缺失值df.to_csv(code+'.csv')    # 保存为csv格式return df

获取指数数据示例

# 获取沪深300指数，从2005年4月8日开始到2019年4月20日结束的日级交易数据
df300 = get_stock_data(code='000300', start_date='2005-04-08', end_date='2019-04-20')
df300

运行结果：

运行代码之后返回到Jupyter Notebook的主页，就能看到保存的000300.csv文件，可以下载到本地进行操作，也可以直接在聚宽的研究环境中进行操作。

数据探索

先对我们获取到的沪深300指数数据进行一番了解，方便后续分析。
查看沪深300指数的总体信息：

df300.info()

查看沪深300指数收盘价的大体情况：

df300['close'].describe()

查看沪深300指数的历史走势图：

# 设置参数，将图形格式设置为‘svg’，能够输出更加清晰的图
%config InlineBackend.figure_format = 'svg'# 建立画布
fig = plt.figure(figsize = (12,6))# 用收盘价绘制折线图
plt.plot(df300.index, df300['close'])

找出收盘价极大值点的函数：

# 筛选出指数价格的极大值点
def find_max(stock_data, start_date, end_date):""":param stock_data: 需要筛选出极大值点的指数数据:param start_date: 筛选范围的开始日期:param end_date: 筛选范围的结束日期:return:返回极大值点对应当天数据"""max_price = stock_data[start_date:end_date]['close'].max()    # 极大值点的收盘价return stock_data[stock_data['close'] == max_price]    # 极大值点对应当天数据

找出沪深300指数收盘价极大值点的示例：
从上面的沪深300的历史价格走势图可以看出，在2008年左右有一个价格的顶峰，接下来找出具体那一天的数据。

# 筛选出沪深300指数2007-2009年的极大值点对应当天的数据
find_max(df300, '2007/1/1', '2009/1/1')

数据分析

高点定投，能否盈利？

按月自动定投函数

# 按月定投函数
def auto_invest_monthly(stock_data, start_date, end_date):""":param stock_data: 需要定投的指数数据:param start_date: 开始定投的日期:param end_date: 结束定投的日期:return: 返回从开始定投到结束每天的资金数据"""# 截取股票数据stock_data = stock_data[start_date:end_date]# 修改stock_data的index的数据类型，这样才能和temp进行合并stock_data.index = stock_data.index.astype('period[D]')# 每月第一个交易日定投buy_month = stock_data.resample('M', kind='period').first()# 定投购买指数基金trade_log = pd.DataFrame(index=buy_month.index)trade_log['基金净值'] = buy_month['close'] / 1000    # 将收盘价除以1000作为基金净值trade_log['定投资金'] = 1000    # 每月投入1000元申购该指数基金trade_log['基金份额'] = trade_log['定投资金'] / trade_log['基金净值']    # 买入份额等于买入金额除以基金净值trade_log['持有份额'] = trade_log['基金份额'].cumsum()    # 累计申购份额trade_log['累计投入'] = trade_log['定投资金'].cumsum()    # 累计投入金额temp = trade_log.resample('D').ffill()    # 将交易记录填充为日级数据# 计算每个交易日的资产（等于当天的基金份额乘以单位基金净值）daily_data = pd.merge(stock_data, temp, left_index=True, right_index=True, how='left')daily_data = daily_data[['close', '定投资金', '基金份额', '持有份额', '累计投入']]daily_data['基金净值'] = daily_data['close'] / 1000daily_data['持有基金价值'] = daily_data['基金净值'] * daily_data['持有份额']# 将daily_data的index修改为datetime类型，否则无法使用matplotlib绘图daily_data.index = daily_data.index.astype('datetime64')return daily_data

按月自动定投示例

假设投资者运气非常糟糕，从2007年10月16的沪深300指数历史最高点5877开始定投，一直定投到2009年7月末，此时沪深300指数跌至3734点，几乎腰斩。

# 每月定投沪深300指数
df300m = auto_invest_monthly(df300, '2007/10/16', '2009/7/31')
df300m

按月定投沪深300指数数据可视化

# 建立画布
fig = plt.figure(figsize = (12,6))# 绘制主坐标轴图表
plt.plot(dfm.index, dfm['close'], linestyle='dotted', label="沪深300指数")plt.legend(loc='upper left')    # 设置主坐标轴图表的图例# 调用twinx方法
plt.twinx()# 使用次坐标轴
plt.plot(dfm.index, dfm['累计投入'], label="累计投入资金")
plt.plot(dfm.index, dfm['持有基金价值'])plt.legend(loc='upper right')    # 设置次坐标轴图表的图例

从上面的图片可以看出，即使是在如此极端的情况下，投资者也能在大概2009年的五六月份开始获得收益。

周定投PK月定投？

周定投

按周自动定投函数

# 按周定投函数
def auto_invest_weekly(stock_data, start_date, end_date):""":param stock_data: 需要定投的指数数据:param start_date: 开始定投的日期:param end_date: 结束定投的日期:return: 返回从开始定投到结束每天的资金数据"""# 截取股票数据stock_data = stock_data[start_date:end_date]# 修改stock_data的index的数据类型，这样才能和temp进行合并stock_data.index = stock_data.index.astype('period[D]')# 每周第一个交易日定投，如果整周都是休息日，则跳过本周buy_week = df.resample('w', kind='period').first().dropna()# 定投购买指数基金trade_log = pd.DataFrame(index=buy_week.index)trade_log['基金净值'] = buy_week['close'] / 1000    # 将收盘价除以1000作为基金净值trade_log['定投资金'] = 250    # 每周投入250元申购该指数基金trade_log['基金份额'] = trade_log['定投资金'] / trade_log['基金净值']    # 买入份额等于买入金额除以基金净值trade_log['持有份额'] = trade_log['基金份额'].cumsum()    # 累计申购份额trade_log['累计投入'] = trade_log['定投资金'].cumsum()    # 累计投入金额temp = trade_log.resample('D').ffill()    # 将交易记录填充为日级数据# 计算每个交易日的资产（等于当天的基金份额乘以单位基金净值）daily_data = pd.merge(stock_data, temp, left_index=True, right_index=True, how='left')daily_data = daily_data[['close', '定投资金', '基金份额', '持有份额', '累计投入']]daily_data['基金净值'] = daily_data['close'] / 1000daily_data['持有基金价值'] = daily_data['基金净值'] * daily_data['持有份额']# 将daily_data的index修改为datetime类型，否则无法使用matplotlib绘图daily_data.index = daily_data.index.astype('datetime64')return daily_data

按周自动定投示例

# 每周定投沪深300指数
df300w = auto_invest_weekly(df300, '2007/10/16', '2009/7/31')
df300w

周定投PK月定投函数

# 按周定投vs按月定投
def weekly_pk_monthly(dfw, dfm):""":param dfw: 周定投函数返回的数据:param dfm: 月定投函数返回的数据:return: 返回周定投和月定投的收益率"""temp = pd.merge(dfw[['累计投入', '持有基金价值']], dfm[['累计投入', '持有基金价值']], left_index=True, right_index=True)dfvs = pd.DataFrame(index=temp.index)dfvs['周定投累计投入'] = temp['累计投入_x']dfvs['周定投基金价值'] = temp['持有基金价值_x']dfvs['周定投收益率'] = (dfvs['周定投基金价值']-dfvs['周定投累计投入']) / dfvs['周定投累计投入']dfvs['月定投累计投入'] = temp['累计投入_y']dfvs['月定投基金价值'] = temp['持有基金价值_y']dfvs['月定投收益率'] = (dfvs['月定投基金价值']-dfvs['月定投累计投入']) / dfvs['月定投累计投入']return dfvs

周定投PK月定投示例

dfvs = weekly_pk_monthly(df300w, df300m)
dfvs.head()

将周定投和月定投的收益率绘制成曲线：

从图中可以明显的看出，虽然周定投的收益率和月定投的收益率差距不大，但是在大多数情况下，周定投的收益率还是明显优于月定投到的收益率的。

得出结果

从上面的数据分析过程，我们已经可以回答文章开头提出的两个问题：

即使投资者是从最高点开始定投，只要有足够的耐心，最终依然能够获得盈利。
周定投大概率比月定投能获得更好的收益，但两者区别不大，特别是当投资时间拉长时，两者的差距会越来越小。

后续如果能够获得指数的基本面数据，比如PE，那么将能进行更为深入的分析。

注意：本文并不构成任何投资建议，投资有风险，入市需谨慎。

用Python验证指数基金定投策略相关推荐

【邢不行|量化小讲堂系列14-Python量化入门】数据告诉你：惊人的指数定投策略
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
指数基金日涨跌幅python_看懂巴菲特推荐的指数基金定投，Python验证
看懂巴菲特推荐的指数基金定投,Python验证超越股神,你这辈子是不可能了的啦,但是超越身边的普通人,那是足够了,只要你坚持定投,坚持定投正确的标的,直到成功为止,建立好市场的心里站,不要在股市中浮 ...
看懂巴菲特推荐的指数基金定投，Python验证
最近身边的朋友都陆续走上了工作岗位,领到了人生中的第一份工资,但大部分人都不知道该怎么处理这样一笔钱,最终也只能放到余额宝中.也有不少的朋友跑来问我,知道我平时研究股票,下面是我这一年的投资收益,还不 ...
Python | 怎么在基金定投上实现收益最大化
? 个人兴趣专栏本期对于股市基金定投进行进一步分析,试图找到投资赚钱的规律哈哈哈- ? Index 分析思路阐述是否存在最合适的定投周期? 设置多少止盈点较为合适? 其他策略本文总结 ? 分析思 ...
【邢不行|量化小讲堂系列46-实战篇】用Python验证A股名言：跳空必回补...吗？【附代码】
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
python在中小学教学中的应用-小学信息技术教学中进行Python 编程语言教学的策略...
原标题:小学信息技术教学中进行Python 编程语言教学的策略本文发表于 <数字教育> 2019年第2期(总第26期)实践案例栏目,页码:82-86.转载请注明出处. 摘要:本文探讨在 ...
《指数基金定投指南》读书笔记
转载自:<指数基金定投指南>读书笔记 – Image Studio,侵删 2019年中国股市在贸易战的硝烟中表现还是可以的,可以预见的将来,投资中国发展无疑是有很高收益的,而证券市场的波动 ...
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& ...
用 Python 验证股神巴菲特的投资经验
股神巴菲特在面对公众的时候,第一常干的事情是喝可乐卖萌. 第二常干的事情,就是不断的教导大家: "对于个人投资者而言,最好的投资方式就是指数定投!" 什么是指数定投? 所谓指数定投 ...
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 ...

用Python验证指数基金定投策略