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，特别是对情绪的要求非常高，同时收益也是最好的。

在上一篇《基于Python的指数基金量化投资- 指数投资技巧（二）定期不定额》中已经介绍了定期不定额的方式，这里接着介绍第三种不定期定额的情况和具体的量化过程。

不定期定额的方式和前面介绍的定期定额、定期不定额有着本质的区别，定期定额和定期不定额都是固定时间进行投资，而不定期定额投资的时间是不定的，要根据具体的指数估值进行，例如当指数的估值百分位低于某一个阈值，比如30%的时候，就会启动投资，如果一直低于该阈值，则采用类似定投的方式，按日、按周或者按月进行，一般采用按周的方式；如果估值高于该阈值则立即停止投资，直到指数估值再次落入该阈值范围内后会再次启动投资。

这里以沪深300指数进行举例说明，当沪深300指数的估值百分位低于某个阈值，这里以30%作为例子，当低于该阈值后，则开始进行沪深300的投资，每次投入的资金是等量的，同时按周进行投入，只要沪深300当下的估值百分位不高于30%，则一直执行该操作，如果沪深300的估值百分位高于30%则停止投资。

这种方式的好处是能在低位积累更多的筹码，让投资都集中在底部，但对投资的耐心有一定的要求，比如等待指数进行击球区，同时上涨超过该阈值后不进行追高，这两方面都是有点反人性的，所以不定期定额在实际投资过程中会比前面介绍的定期定额、定期不定额更难。

下面通过用中证全指的数据进行量化测试来看看具体的过程。

具体的策略是下面的三个条件：

1）估值百分位低于30%则启动投资；

2）投资按周进行；

3）每次买入1000元；

4）当估值高于80%时全仓卖出；

通过这种方式可以得到下面的量化结果。

图中上半部分蓝线是指数走势，红点是按估值百分位低于30%并按周投资的位置，每次投资的数额是是一样的；而几个紫色的点表示估值高于80%卖出的位置。

下半部分的图表示总资产、已投入资金和持有基金份额，其中红线时总资产，蓝线是已投入资金，橙线是持有基金份额。开始阶段不断买入持有份额和总资产是重合的，随着买入的增多同时指数上涨，红线橙线逐步高于蓝线，当估值超过预设的门限，则投入的资金暂停，蓝线也不再增长，在2015年初左右估值高于80%则卖出，可以看见橙线变为0，也就是全仓卖出，然后红线、蓝线和橙线持续保持了一段时间的水平走势，也就是这区间没有任何投入，资产、资金和份额都没有变化，接下来在2018年左右又开始进行投资，在2020年底左右卖出。

最后可以看出投入的资金是144000元，整体资产是25148.39，收益是74.62%，比定期定额和定期不定额的收益高出了不少。

在接下来最后一篇的不定期不定额会和大家分享最后一种投资方式，这种方式的投资效果最好，但也最考验投资者。

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_quota = 0def NoRegularQuota(val_percentage, val_data_p, buy_cnt, buy_total_share):global sell_flag_no_regular_quotaif val_percentage <= 0.3:sell_flag_no_regular_quota = 0buy_each_no_regular_quota = 1000buy_each_share = buy_each_no_regular_quota / val_data_pbuy_total_share = buy_total_share + buy_each_sharebuy_cnt = buy_cnt + 1plot_y = val_data_pplot_x = iplot_flag = 1elif val_percentage >= 0.8 and sell_flag_no_regular_quota == 0:sell_flag_no_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_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))# 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_no_regular_quota = 1000buy_each_share_no_regular_quota[i], buy_cnt_no_regular_quota, plot_no_regular_quota[i], buy_total_share_no_regular_quota\= NoRegularQuota(val_percentage, data_index_p[i],buy_cnt_no_regular_quota, sum(buy_each_share_no_regular_quota))buy_total_share_list_no_regular_quota[i] = sum(buy_each_share_no_regular_quota) * data_index_p[i]buy_total_money_list_no_regular_quota[i] = buy_cnt_no_regular_quota * buy_each_no_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_quotaplt_gap = 10
size_title = 28
size_label = 15
size_line = 3
size_rotation = 15
size_buy_plot = 5plt.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_no_regular_quota[-1][0] - buy_total_money_list_no_regular_quota[-1][0]) / buy_total_money_list_no_regular_quota[-1][0]
plt.title('不定期定额 | 投资收益 = ' + str("{:.2f}".format(income)) + '%',size=15)
# plt.plot(buy_each_share_no_regular_quota)v_max = max(data_index_p)
v_min = min(data_index_p)for i in range(len(plot_no_regular_quota)):if plot_no_regular_quota[i][0] == 1:plt.plot(plot_no_regular_quota[i][1], plot_no_regular_quota[i][2],color='tomato',marker='o',ms=(size_buy_plot*v_max/plot_no_regular_quota[i][2]))elif plot_no_regular_quota[i][0] == -1:plt.plot(plot_no_regular_quota[i][1], plot_no_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_no_regular_quota,color='tomato')
font = {'size': 15, 'color': 'tomato', 'weight': 'black'}
plt.text(len(buy_total_share_list_no_regular_quota), buy_total_share_list_no_regular_quota[-1][0], str("{:.2f}".format(buy_total_share_list_no_regular_quota[-1][0])), fontdict=font)
plt.plot(len(buy_total_share_list_no_regular_quota)-1,buy_total_share_list_no_regular_quota[-1][0], color='tomato', marker='o')plt.plot(buy_total_money_list_no_regular_quota,color='cornflowerblue')
font = {'size': 15, 'color': 'cornflowerblue', 'weight': 'black'}
plt.text(len(buy_total_money_list_no_regular_quota), buy_total_money_list_no_regular_quota[-1][0], str("{:.2f}".format(buy_total_money_list_no_regular_quota[-1][0])), fontdict=font)
plt.plot(len(buy_total_money_list_no_regular_quota)-1,buy_total_money_list_no_regular_quota[-1][0], color='cornflowerblue', marker='o')plt.plot(earn_total_money_no_regular_quota,color='red')
font = {'size': 15, 'color': 'red', 'weight': 'black'}
plt.text(len(earn_total_money_no_regular_quota), earn_total_money_no_regular_quota[-1][0], str("{:.2f}".format(earn_total_money_no_regular_quota[-1][0])), fontdict=font)
plt.plot(len(earn_total_money_no_regular_quota)-1,earn_total_money_no_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()

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（三）不定期定额相关推荐

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 ...
《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（三）不定期定额

源码

基于Python的指数基金量化投资 - 指数投资技巧（三）不定期定额相关推荐

最新文章

热门文章