Python分析国内基金定投

本文转载自：http://www.justdopython.com/2020/08/16/regular-invest/

最近股市火热，有很多人跃跃欲试，面对琢磨不透的市场，除了随波逐流，勇当韭菜的命运外，还有没有其他选择呢？今天就用 Python，从定投的视角上重新认识下股市。很多人都听说过定投的概念，定投就是定期定额买入一个标的（股票、基金或者其他有增长空间的投资物），并且长期持有，最终会获得很好的收益，是很好的投资策略。

关于长期，股神巴菲特说：如果你没打算将一只股票持有十年，甚至都不用考虑持有十分钟，言下之意长期就是十年或者永远。

为什么要定投？一般认为，定投可以拉低购买的成本价，使收益扩大不过也可能抬高成本价，真正原因是，市场中的 熊市比牛市长很多很多 ，定投相当于在长期的熊市里积聚力量，最终在牛市中展现出投资的价值，真是这样的吗？

下面我们就研究下国内市场上的一些股票基金，看看结果如何

安装相关库

!pip3 install beautifulsoup4 -i https://pypi.tuna.tsinghua.edu.cn/simple
!pip3 install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple
!pip3 install xlrd -i https://pypi.tuna.tsinghua.edu.cn/simple

导入库及获取数据

我们以网易财经 http://quotes.money.163.com/old/#HS 作为数据来源

通过指定股票或者基金代码获取数据

由于网易财经股票和基金 url 和 展示页不同，所以需要分别处理，以获取基金数据为例：

import pandas as pd
import requests
from bs4 import BeautifulSoup
from time import time
import time
import openpyxl
import numpy as np

def fund(code):
    url = 'http://quotes.money.163.com/fund/jzzs_%s_%d.html?start=2001-01-01&end=2020-12-31&sort=TDATEℴ=asc'
    data = pd.DataFrame()
    for i in range(0, 100):
        html = getHtml(url % (code, i))
        page = dataFund(html)
        if page is not None:
            data = data.append(page, ignore_index=True)
        else:
            break
        print("page ", i)
        time.sleep(1)
    filename = 'fund_%s.xlsx' % code
    data.to_excel(filename, index=False)
    print("数据文件:", filename)

def getHtml(url):
    while(True):
        rp = requests.get(url)
        rp.encoding = 'utf-8'
        if rp.text.find("对不起!您所访问的页面出现错误") > -1:
            print("获取过于频繁，等待 10 秒再试")
            time.sleep(10)
            continue
        else:
            break
    return rp.text

def dataFund(html):
    table = BeautifulSoup(html, 'html.parser').table
    if table is None:
        print(html)
        return None
    rows = table.find_all('tr', recursive=True)
    data = []
    columns = [th.text for th in rows[0].find_all('th')]
    for i in range(1, len(rows)):
        data.append(rows[i].text.split('\n')[1:-1])
    if len(data) > 0:
        pdata = pd.DataFrame(np.array(data), columns=columns)
        return pdata
    else:
        return None

• 方法 fund 为基金数据获取总方法，接受基金代码作为参数
• 通过特定的 url，可查询到 2001 年到 2020 年间的数据，数据开始时间晚于 2001 年的，会以实际开始时间来获取
• 数据是分页展示的，预设最大为 100 页，循环每一页获取数据
• 将获取的数据追加到 data 中， data 为 pandas 的 DataFrame
• 最后将数据存入以类型和代码命名的 Excel 文件中
• 方法 getHtml 接受 url 作为参数，返回 html 字符串
• rq 是 requests 的别名，通过 get 方法，获取页面的 html 字符串
• 判断是否被拒绝访问，如果被拒绝，等待 5 秒再试
• 方式 dataFund 接受 html 字符串作为参数，从中抓取基金数据
• 因为页面只有一个 table，所以先拿到 table，然后提取所有行
• 从第一行中获取列名
• 然后获取其他行的数据，存入 data 列表
• 如果获取到了数据，将数据转换为 DataFrame 对象返回，否则返回 None

例如获取代码为 150124 的基金：

fund('150124')

最后在当前目录中，生成 fund_150124.xlsx 文件

整理数据

股票数据和基金数据列有所不同，需要在分析前将数据处理为统一的形式

另外，定投而言，只需保留 日期 和 价格 ，这样也有助于减少数据量

代码如下：

def dataFormat(code, type_='fund', cycleDays=5, begin='2001-01-01'):
    rawdf = pd.read_excel('%s_%s.xlsx' % (type_, code))
    buydf = rawdf[rawdf.index % cycleDays==0] ## 选出定投时机
    # 选择对应的列
    if type_ == 'fund':
        buydf = buydf[['公布日期','单位净值']]
    else:
        buydf = buydf[['日期','收盘价']]
    buydf.columns = ["日期","单价"]

    buydf = buydf[buydf['日期']>=begin]
    return buydf

• 方法 dataFormat 为数据整理方法
• 参数 code 为股票或者基金代码， type_ 用来指定分析的是股票还是基金
• 参数 cycleDays 表示定投时间间隔，默认为 5 天，即一个星期(扣除周末)
• 参数 begin 为开始定投日期，默认为 2001-01-01，这也是获取数据最早的日期
• 根据 code 和 type_ 用 pandas 读取数据文件，存入原始数据 rawdf 中
• 再从 rawdf 中过滤出购买定投的数据，即从开始日期起，把每隔定投时间间隔的数据筛选出来，出入 buydf
• 然后根据 type_ 参数抽取需要的列，即 日期 和 价格 ，由于股票数据和基金数据的列名不同，需要更新为统一的列， 日期 和 单价
• 最后再筛选出开始日期及以后的数据，作为定投数据

呈现

开始之前，需要先搞清楚怎么计算定投的价值

首先在每个定投点上，需要定投固定的金额，这个金额除以当前价格，会得到购买份数

持续下去，到将来某个点上，价值是多少呢？应该是 此前所有购买份数之和乘以这个点上的价格

对比每个点上定投的金额合计与这个点上的价值，就能知道此点上是盈是亏，用图表来展示更加直观

代码如下：

%matplotlib inline
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']

def show(buydf, amount=1000):
    buydf.insert(2,'定投金额', np.array(len(buydf)*[amount]))  ## 增加定投列
    buydf.insert(3,'数量', buydf['单价'].apply(lambda x: amount/x))  # 计算出价值
    buydf.insert(4,'累计本金', buydf['定投金额'].cumsum())  ## 计算定投累计
    buydf.insert(5,'累计数量', buydf['数量'].cumsum())  ## 计算价值累计
    buydf.insert(6,'当前价值', buydf['累计数量']*buydf['单价']) ## 计算实际单价

    ## 净值趋势
    tend = pd.DataFrame(columns=['单价'],index=buydf['日期'].to_list(),data={'单价':buydf['单价'].to_list()})

    tend.plot.line(title="净值走势", linewidth=1.5, yticks=[])
    plt.show()

    ## 选取投资比较
    data = pd.DataFrame(columns=['累计本金','当前价值'],
        index=buydf['日期'].to_list(),
        data={'累计本金': buydf['累计本金'].to_list(),
              '当前价值': buydf['当前价值'].to_list()})

    data.plot.line(title="定投效果", linewidth=1.5, yticks=[])
    plt.show()

• 方法 show 数据展示方法，接受两个参数， buydf 为需要定投的数据， amount 为定投金额
• 向 buydf 中插入辅助计算的列，并利用 pandas 的集合运算计算出 数量 、 累计本金 、 累计数量 和 当前价值 ，其中 DataFrame 的 cumsum 方法会计算每行的累计值
• 再提取 单价 用于展示价格走势
• 最后提取 累计本金 和 当前价值 作为投资效果展示

价格走势和投资效果最好展示在一个图表上，试试有什么办法可以做到，欢迎在学习群里交流

以基金建信央视50B (150124) 为例，从2015年5月26日开始到现在的定投：

show(dataFormat('150124', begin='2015-05-26'))

注意：基金为随意挑选，并不具备投资参考价值

结论

对多个不同的基金、股票做定投分析，发现以下结论：

• 更早的投资，获取收益的可能性较大
• 熊市越久，最后获得的收益越好
• 无论是熊市还是牛市买入，长期来看对最终结果影响不大
• 最重要的是：即使在最高点买入，在价格收复之前，价值便会超过成本，太神奇了！

最终可以得到一个与众不同的观点，定投策略几乎可以稳赚，只要坚持的时间够久

与大多数人认知不同的是，熊市是最终收益的基础，进一步证实了:

市场中的熊市比牛市长很多很多，定投相当于在长期的熊市里积聚力量，最终在牛市中展现出投资的价值

你怎么看的，跑下代码试试看

总结

习得一个技能，不仅仅可以提高效率，更重要的是它可能改变我们的思考方式，将之前视而不见的东西，看的更清楚，理解的更透彻了，就像带上了眼镜，面对的是相同的世界，却看的更清晰了。

移动端设备除iPad Pro外，其它移动设备仅能阅读基础的文本文字。
建议使用PC或笔记本电脑，浏览器使用Chrome或FireFox进行浏览，以开启左侧互动实验区来提升学习效率，推荐使用的分辨率为1920x1080或更高。
我们坚信最好的学习是参与其中这一理念，并致力成为中文互联网上体验更好的学练一体的IT技术学习交流平台。
您可加QQ群：575806994，一起学习交流技术,反馈网站使用中遇到问题。
内容、课程、广告等相关合作请扫描右侧二维码添加好友。

狐狸教程 Copyright 2021