Python数据分析——基金定投收益率分析，以及支付宝“慧定投”智能定投实现

文章目录

一、关于基金定投
- 数据来源
- 接口规范
- 常见指数基金/股票代码
二、分析目标
三、代码实现
- 1、定义获取数据、清洗数据的函数
- 2、定义定投策略函数
- 3、计算2019年对沪深300指数基金进行定投的收益率
- 4、假设定投的金额是500元，每周定投一次，据此分别计算从2002年开始到2019年，每年定投沪深300指数基金的收益率并将结果可视化
- 5、实现"慧定投"(支付宝中的智能定投策略)
定义定投策略(对于每个交易日前一日的收盘价)
四、可视化普通定投与智能定投策略收益率
五、文末福利（完整代码）

基于Python的基金定投分析

通过获取过去10年的股市数据分析基金定投的收益率。

一、关于基金定投

基金定投，就是按照固定的频率和固定的金额，不停分批次小额买入金融市场上的基金。为什么要这么麻烦，这样做有什么好处吗？我们本次“数据分析和挖掘”的第四次作业就指数基金定投的效果来分析一下。

注：定投可以选择任何种类的基金。我们以指数基金为例，因为大部分传说中无脑定投的案例都是以指数基金的定投方式

数据来源

通过API接口从网易财经上进行调取

接口规范

http://quotes.money.163.com/service/chddata.html?code=003833&start=19901219&end=20200228&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;VOTURNOVER;VATURNOVER

其中

code参数后面的7位整数代表了股票代码；比如0000001指的是上证指数。注意这串数字要分0和000001两部分看。0代表sh，1代表sz。所以0000001其实是sh000001的意思。同理，0 000300也就是sh000300 沪深300的代码。
start和end参数后面的8位整数代表年（xxxx）月(xx)日(xx)
fields选项中，TCLOSE，HIGH,LOW,TOPEN分别表示当日的收盘，最高，最低，开盘价；LCLOSE表示昨日收盘价。CHG,PCHG,VOTURNOVER,VAT分别表示涨跌额，涨跌幅，成交量，成交金额。

常见指数基金/股票代码

0000300 - 沪深300
0000001 - 上证指数
0000016 - 上证50
399005 - 中小板指
399673 - 创业板50
000903 - 中证100

二、分析目标

假设定投的金额是500元，每周定投一次，据此计算2019年对沪深300指数基金进行定投的收益率
假设定投的金额是500元，每周定投一次，据此分别计算从2002年开始到2019年，每年定投沪深300指数基金的收益率并将结果可视化
探索不同的定投策略。这里以支付宝的“慧定投”智能定投策略为例

注：不同的定投策略可以是改变定投周期（比如从每周定投到每月定投），改变定投金额（比如从固定金额到固定比例），设定止损或者止盈策略等等。

三、代码实现

1、定义获取数据、清洗数据的函数

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import requests
import warnings
warnings.filterwarnings('ignore')
plt.rcParams['font.family']='SimHei'
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['figure.figsize']=(12,8)def get_data(code,start,end):'''获取指定时间范围的股票数据:param code: 指数代码:param start: 起始日期:param end: 截止日期:return: DataFrame'''url='http://quotes.money.163.com/service/chddata.html?code={}&start={}&end={}&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;VOTURNOVER;VATURNOVER'.format(code,start,end)name=code+'_'+start+"-"+endf=open(name,'wb')f.write(requests.get(url).content)f.close()data=pd.read_csv(name,encoding='gbk')return datadef clean_data(data):'''1、将日期转换为时间序列并设置为索引2、将数据按时间序列升序排序3、删除缺失值4、将涨跌幅的单位转换为小数'''data['日期']=pd.to_datetime(data['日期'])data=data.set_index("日期")data=data.sort_index()data.drop(data[data["涨跌幅"]=="None"].index,axis=0,inplace=True)data["涨跌幅"]=data['涨跌幅'].astype('float')data['涨跌幅']/=100return data

获取沪深300的数据，并查看

df1=get_data('0000300','20190102','20191231')
df1=clean_data(df1)

2、定义定投策略函数


def invest(df1,frequence,invest_money,start_time):'''定投计算:param df1: 数据集:param frequence: 定投频率:param invest_money: 每次定投金额:param start: 定投起始日期:return (amount,invest_log): (收益数据DataFrame，定投记录dict)'''invest_log={}#每次定投的日期记录(日期:大盘指数)invest_day=start_time#每次投资的时间invest_amount=0#总投资金额profile=0#总投资收益amount=0#账户总资产profile_log=[]#总收益日志invest_amount_log=[]#账户投资金额日志amount_log=[]#总资产日志Yield=[]#收益率日志for date,quote_change,index in zip(df1.index,df1['涨跌幅'],df1['收盘价']):profile+=quote_change*amount#计算当天收益率profile_log.append(profile)#判断是否为定投日if date==invest_day:invest_amount+=invest_moneyinvest_log[invest_day]=index#记录定投当日的指数#判断7天后是否为交易日,如果不是则往后加1天直到找到交易日invest_day+=np.timedelta64(frequence,'D')flag=0while(True):if(df1[df1.index==invest_day].index==invest_day):breakelse:invest_day+=np.timedelta64(1,'D')flag+=1if(flag==100):breakinvest_amount_log.append(invest_amount)amount=invest_amount+profile#更新账户总资产amount_log.append(amount)try:Yield.append(profile/invest_amount*100)#更新收益率except:Yield.append(0)print("总投资：",invest_amount)print("总收益：",profile)print("收益率: ",profile/invest_amount*100,"%")over=pd.DataFrame({"日期":df1.index,"收益率":Yield,"账户资产":amount_log,"投资金额":invest_amount_log})over=over.set_index("日期")return over,invest_log

3、计算2019年对沪深300指数基金进行定投的收益率

frequence=7#定投频率
invest_money=500#每次定投金额
start=np.datetime64("2019-01-02")
print("2019年定投结果显示：")
res,buy=invest(df1,frequence,invest_money,start)def myplot(df1,res,buy,titlename):'''绘制定投结果图'''plt.figure()df1['收盘价'].plot(label="大盘指数")plt.scatter(buy.keys(),buy.values(),color="brown",marker=".",label="定投记录")plt.legend(loc='best')plt.ylabel("指数")plt.twinx()res['账户资产'].plot(color="red")res['投资金额'].plot(color="orange")plt.ylabel("元")plt.legend()plt.title(titlename+":{:.2f}%".format(res.tail(1)["收益率"][0]))plt.show()
titlename="2019年沪深300定投收益率"
myplot(df1,res,buy,titlename)

4、假设定投的金额是500元，每周定投一次，据此分别计算从2002年开始到2019年，每年定投沪深300指数基金的收益率并将结果可视化

df2=get_data('0000300','20020101','20191231')
df2=clean_data(df2)df2['收盘价'].plot()
plt.title("2002年-2019年沪深300指数")frequence=7#定投频率
invest_money=500#每次定投金额
print("从2002年开始定投到2019年结束的收益情况:")
start=np.datetime64("2002-01-07")
res,buy=invest(df2,frequence,invest_money,start)x=[str(i) for i in range(2002,2020)]
y=[]for year in range(2002,2020):'''每年的收益率：年末收益率-年初收益率'''each_year=res[res.index.year==year].tail(1)["收益率"][0]-res[res.index.year==year].head(1)["收益率"][0]y.append(each_year)plt.title("2002年-2019年 沪深300 年定投收益率")
plt.ylabel("收益率(%)")
plt.xlabel("年")plt.plot(x,y,label="年收益率")
plt.plot(x,[res.tail(1)["收益率"][0] for i in range(len(x))],ls="--",alpha=0.5,label="总投资收益率")
plt.plot(x,[0 for i in range(len(x))],color="gray",ls="--",alpha=0.3)
plt.xlim("2002","2019")
plt.legend()

5、实现"慧定投"(支付宝中的智能定投策略)

定义定投策略(对于每个交易日前一日的收盘价)

高于均线15%以内，扣款90%
高于均线15-50%，扣款80%
高于均线50-100% 扣款70%
高于均线 100%以上扣款60%

近10日振幅小于5%
- 低于均线5%以内,扣款180%
- 低于均线5-10%以内,扣款190%
- 低于均线10-20%以内，扣款200%
- 低于均线20-30%以内，扣款210%
- 低于均线30-40%以内，扣款220%
- 低于均线40%以上，扣款230%
近10日振幅大于5%
- 低于均线5%以内,扣款60%
- 低于均线5-10%以内,扣款70%
- 低于均线10-20%以内，扣款80%
- 低于均线20-30%以内，扣款90%
- 低于均线30-40%以内，扣款100%
- 低于均线40%以上，扣款110%

所以在这个过程中我们需要定义几个函数，由于要考虑到均线与振幅的问题，所以首先需要定义均线、振幅函数，获取基金n日收益与m日振幅

def mean_days(df,days,wave):'''获取n日均线,最近m日振幅:param df: 数据集:param days: 均线天数:params wave:最近m日振幅:return average,wavelength:均线、近m日振幅'''average=[]wavelength=[]start=df.head(1).index-np.timedelta64(days+1,"D")start=start.astype('str')[0].replace("-","")#转换为字符串df4=get_data('0000300',start,'20191231')#获得原始数据前days天的数据用以求均值df4=clean_data(df4)for i in df3.index:start_date=i-np.timedelta64(days+1,"D")ave=df4[(df4.index>start_date) & (df4.index<i)]['收盘价'].mean()average.append(ave)########求振幅#######start2=df.head(1).index-np.timedelta64(wave+1,"D")start2=start2.astype('str')[0].replace("-","")#转换为字符串df5=get_data('0000300',start2,'20191231')df5=clean_data(df5)for i in df3.index:start_date=i-np.timedelta64(wave+1,"D")interval=df5[(df5.index>start_date) & (df5.index<i)]['收盘价']length=interval.max()/interval.min()-1#最大涨跌幅wavelength.append(length)return average,wavelength

智能定投策略计算收益率

def stratege(ml,wl,T_1):'''定投策略:param ml:均线:param wl:振幅:param T_1:前1日收盘价'''cal=T_1/ml-1#大于0,则高于均线if(cal>=0 and cal<0.15):return 0.9elif(cal>0.15 and cal<0.5):return 0.8elif(cal>=0.5 and cal<1):return 0.7elif(cal>=1):return 0.6elif(wl>0.05):if(cal>=-0.05 and cal<0):return 0.6elif(cal>=-0.1 and cal<-0.05):return 0.7elif(cal>=-0.2 and cal<-0.1):return 0.8elif(cal>=-0.3 and cal<-0.2):return 0.9elif(cal>=-0.4 and cal<-0.3):return 1.0elif(cal<-0.4):return 1.1else:if(cal>=-0.05 and cal<0):return 1.8elif(cal>=-0.1 and cal<-0.05):return 1.9elif(cal>=-0.2 and cal<-0.1):return 2.0elif(cal>=-0.3 and cal<-0.2):return 2.1elif(cal>=-0.4 and cal<-0.3):return 2.2elif(cal<-0.4):return 2.3

完整策略实现

def smart_invest(df1,frequence,invest_money,start_time,days,wave):'''定投计算:param df1: 数据集:param frequence: 定投频率:param invest_money: 每次定投金额:param start: 定投起始日期:param days: 参考均线天数:return (amount,invest_log): (收益数据DataFrame，定投记录dict)'''invest_log={}#每次定投的日期记录(日期:大盘指数)invest_day=start_time#每次投资的时间invest_amount=0#总投资金额profile=0#总投资收益amount=0#账户总资产profile_log=[]#总收益日志invest_amount_log=[]#账户投资金额日志amount_log=[]#总资产日志Yield=[]#收益率日志df1["均线"]=mean_days(df1,days,wave)[0]#获取均线df1["振幅"]=mean_days(df1,days,wave)[1]#获取振幅for date,quote_change,index,ml,wl in zip(df1.index,df1['涨跌幅'],df1['收盘价'],df1["均线"],df1["振幅"]):profile+=quote_change*amount#计算当天收益率profile_log.append(profile)#判断是否为定投日if date==invest_day:if(invest_day==start_time):T_1=start_timeelse:formal_day=1while(True):T_1=date-np.timedelta64(formal_day,"D")#前1天的收盘价if(T_1 in df1.index.tolist()):breakelse:formal_day+=1T_1=df1[df1.index==T_1]["收盘价"][0]rate=stratege(ml,wl,T_1)invest_amount+=invest_money*rate#定投invest_log[invest_day]=index#记录定投当日的指数#判断7天后是否为交易日,如果不是则往后加1天直到找到交易日invest_day+=np.timedelta64(frequence,'D')flag=0while(True):if(df1[df1.index==invest_day].index==invest_day):breakelse:invest_day+=np.timedelta64(1,'D')flag+=1if(flag==100):breakinvest_amount_log.append(invest_amount)amount=invest_amount+profile#更新账户总资产amount_log.append(amount)try:Yield.append(profile/invest_amount*100)#更新收益率except:Yield.append(0)print("总投资：",invest_amount)print("总收益：",profile)print("收益率: ",profile/invest_amount*100,"%")over=pd.DataFrame({"日期":df1.index,"收益率":Yield,"账户资产":amount_log,"投资金额":invest_amount_log})over=over.set_index("日期")return over,invest_log

四、可视化普通定投与智能定投策略收益率

frequence=30#定投频率
invest_money=5000#每次定投金额
start=np.datetime64("2018-01-02")
print("优化后的定投策略(参考500日均线，近5日振幅的月定投)：")
res1,buy1=smart_invest(df3,frequence,invest_money,start,500,5)
print("======================================\n普通定投策略:")
res2,buy2=invest(df3,frequence,invest_money,start)
myplot(df3,res1,buy1,"2018-2019年沪深300 优化定投 收益率")
myplot(df3,res2,buy2,"2018-2019年沪深300 普通定投 收益率")

五、文末福利（完整代码）

关注以下公众号回复"0003"获取完整源码

Python数据分析——基金定投收益率分析，以及支付宝“慧定投”智能定投实现相关推荐

Python数据分析初学之分析表格
文章目录 Python数据分析初学之分析表格任务要求代码实现 Python数据分析初学之分析表格任务要求 1)使用 pandas 读取文件 data.csv 中的数据 ,创建 DataFrame ...
【详解】Python数据分析第三方库分析
Python数据分析第三方库分析目录 Python数据分析第三方库分析 @常用库下载地址 1 Numpy 2 Matplotlib 3 Pandas 4 SciPy 5 Scikit-Learn 6 ...
python数据分析的交叉分析和分组分析 -第三次笔记
python数据分析 -第三次笔记 –1.交叉分析 –2.分组分析 1.交叉分析交叉分析的含义是在纵向分析法和横向分析法的基础上,从交叉.立体的角度出发,由浅入深.由低级到高级的一种分析方法.这种方 ...
python数据比例_#python# #数据分析# 性别比例分析
手头有一份性别比例的样本数据,清洗后只保留了性别信息,做了一个数据分析. 数据清洗和数据统计的代码就不贴了,贴性别比例pie图和性别比例趋势图的代码. 性别比例pie图: def _plot_gend ...
Python数据分析之探索性分析（多因子复合分析）
目录一.假设检验: 二.交叉分析 1.分析属性与属性之间关系的方法 2.透视表三.分组与钻取: 四.相关分析 1.相关系数分析 2.熵:条件熵:互信息(熵增益):增益率:基尼系数: 3.衡量离散数 ...
python数据分析之对比分析
对比分析概念:两个互相联系的指标进行比较类型:绝对数比较(相减) .相对数比较(相除) 其中相对数比较分析也包括:结构分析.比例分析.动态对比分析 1.绝对数比较 a.对比的指标在量级上不能差别过 ...
Python数据分析项目：分析世界五百强企业数据
前言嗨喽!大家好,这里是魔王~ 哪个国家的世界五百强企业数量最多? 今天带你用python来处理数据,并实现数据可视化,解决对现有数据产生的疑问. 本次代码是在 Jupyter Notebook 里 ...
Python数据分析之股票分析
股票分析使用tushare包获取某股票的历史行情数据输出该股票所有收盘比开盘上涨3%以上的日期输出该股票所有开盘比前日收盘跌幅超过2%的日期假如从2010年1月1日开始,每月第一个交易日买入1 ...
python数据分析练习——姓名分析US_Baby_names_right.csv
第一步:导入相关模块 import pandas as pd from pandas import Series,DataFrame import matplotlib.pyplot as plt p ...