指数基金日涨跌幅python_用Python验证指数基金定投策略
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JoinQuant聚宽,登录帐号
聚宽首页
Step2 进入研究环境
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:
沪深300指数
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。
下载csv文件
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()
沪深300info
查看沪深300指数收盘价的大体情况:
df300['close'].describe()
沪深300收盘价describe.png
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'])
沪深300指数历史走势图
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')
沪深300指数的一个极大值点
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'] / 1000
daily_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
月定投沪深300指数
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
月定投沪深300指数走势图
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'] / 1000
daily_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
周定投沪深300指数走势图
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()
周定投pk月定投
将周定投和月定投的收益率绘制成曲线:
周定投&月定投的收益率曲线
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。
指数基金日涨跌幅python_用Python验证指数基金定投策略相关推荐
- 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 ...
- 指数基金(一):宽基指数简介
宽基指数:基金中的成分股不限制行业 行业指数:基金中的成分股会限制行业 1.总股本在100亿股以上的是大盘股,在上交所上市的大中盘股居多.大盘股主要涉及造船.钢铁.石化.银行类公司,是公募基金规定持仓 ...
- 实锤,无脑定投指数基金真的可以赚钱么?
投资有风险,入市需谨慎,本文不构成任何投资理财建议,仅做交流学习使用. 不知道大家有没有在网上见过各种理财课程,说什么小白入门最简单的就是定投指数基金,还说人家巴菲特也这么投,这种课程介绍是越写越夸张 ...
- 上证50基金有哪些_「小白定投基金贴」指数基金上证50、沪深300的解析与区别(一)...
相信很多理财小白都会问到身边的朋友,我自己有一些闲钱应该怎么做理财,股市风险大不敢投资股市,想投资基金但是一窍不通,部分比较懂的朋友都会建议你投指数基金,但是可能你对指数基金也一窍不通,身边朋友也解释 ...
- 为什么买入不了创业版_趋势波段买卖创业板ETF指数基金能轻松保险盈利
一.为什么选择买卖"创业板ETF指数基金"? 1.什么是"ETF指数基金"? ETF指数基金代表一篮子股票的所有权,是指像股票一样在证券交易所交易的指数基金,且 ...
- 职场人理财之指数基金篇
投资者有一个著名的赌局,出名的原因是股神巴老爷子的参与.2007年,巴菲特跟某对冲基金的基金经理打赌,赌注为100万美元,赢家将把赌注捐赠给慈善机构. 相约从2018年初开始,对冲基金经理任意挑选主动 ...
- 理财入门:基金(简述,主要是指数基金)
文章目录 前言 一.什么是基金? 定投好的[指数基金],因为它长生不老 题外话: 前言 不要在平时乱买乱花,大几千买东西上都不眨眼,到了给自己投资,给自己增值最重要的技能上,又开始犹豫了.人生重要的选 ...
- 小猿理财:巴菲特推荐了ETF指数基金,没推荐增强型指数基金,原来道理在这!
两种选基策略 追踪同一个指数的指数基金,因为选股规则是高度雷同的,所以整体表现也非常类似. 那些成立年限长的指数基金就具有非常大的先发优势,因为基金规模大,清盘的概率小,通常这类基金的管理费率也较低, ...
- 4.《指数基金投资指南》读书笔记
作者 封面 银行螺丝钉 文章目录 第一章 投资新手的建议 1. 想成为富人,你得攒资产 2. 找到长期收益率最高的资产 第二章 投资工具这么多,为什么要选指数基金 1. 什么是指数 2. 谁开发的股票 ...
- 政策支持+资金配合,天弘中证科创创业50指数基金潜力可期
十四五开局之年,科技创新是首要任务.经历了芯片.新材料等领域被"卡脖子"的问题,越来越多人开始意识到科技自主创新的必要性,面向未来,科技强国成为国家的重要发展战略.而科创板和创业板 ...
最新文章
- 13-19 Python Number、Python字符串、Python列表(List)、集合的基本操作、元组、字典Dicttionnary、日期和时间
- C# VS本地Sqlserver 操作笔记
- BZOJ4388 : JOI2012 invitation
- 图片优化_网站里的图片应该如何优化
- 【这些都不知道你就是个弟弟】Docker常用命令
- 触漫机器人_触触+机器人=???
- 递归查找所有子代id php,PHP递归函数:从父ID获取子ID
- 为什么使用linux内核,为什么Linux内核使用它所做的数据结构?
- Zabbix(五)利用Zabbix部署onealert云告警平台
- 很好的一款监控web请求的工具,fiddler.
- 程序员毕业后,一年内能到的水平,二十年后依然这个水平
- java如何查内存泄露_如何排查Java内存泄露
- 进度类计算_PERT
- 水面反光如何拍摄_反光倒影的摄影怎么拍?
- 西门子PLC内部的数据类型大全
- 物联网系列之WIFI模块ESP8266一介绍
- BOSS直聘自动投简历聊天机器人的实现过程
- java中long=后面为什么还要加个L
- 一个初级运维工程师对于运维工作的一些浅显认知
- CCF CSP认证 难度及经历
热门文章
- 宝塔面板无法连接FTP空间解决方法(超详细)
- Object-Oriented Programming Summary Ⅱ
- 什么是 JScript?
- Integer计算保留小数点位数
- 【计算广告】浅谈广告归因
- Spring系列教程六: Spring基于注解的Ioc以及Ioc案例
- 有一个会做饭的男朋友幸福么?
- 联想硬盘启动计算机,win7系统联想台式电脑开机提示error 1962无法找到硬盘启动的解决方法...
- 第二十七篇:稳定性之故障处理【初识故障与传播方式】
- 编程将数字“翻译”成英文。例35706“翻译”成three-five-seven-zero-six。