专栏首页数据医生专栏用Python验证指数基金定投策略

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:

  1. 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?
  2. 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:

  1. 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。
  2. 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。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 控制语句 | Python

    经验:当目标程序想不出来的时候,可以试着先写一个类似的,然后一步一步的修改接近目标效果。也就是将大目标划分为一个个小目标。

    数据医生
  • 用Pythn进行简单的Bland-Altman分析

    在医学中,经常会遇到评价两种或多种检测、测量方法结果一致性(agreement)的问题。一般情况下,其中一种方法是目前广泛应用的被称为“金标准”的方法,而另一种...

    数据医生
  • SQL复杂查询

    注意:SELECT语句中列的排列顺序和视图中列的排列顺序相同,SELECT语句中的第1列就是视图中的第1列,以此类推。视图的列名在视图名称之后的列表中定义。

    数据医生
  • FPGA中的INOUT接口和高阻态

    三态门,故名思议就是这个期间具有三种状态。对于数字电路来说,三种状态是高电平、低电平和高阻态。Xilinx的《XST User Guide》上给出了三态...

    sea-wind
  • 微信小程序|购物车

    在各种购物平台,购物车都是十分常见的,比如淘宝,美团等等各种应用软件。一般的软件购物车都包含商品图片,名称,价格。购物车其实就是一个物品或商品的简介,直观的反映...

    算法与编程之美
  • Leetcode 42题 接雨水(Trapping Rain Water)

    https://leetcode-cn.com/problems/trapping-rain-water/

    code随笔
  • 关于React Native项目在android上UI性能调试实践

    我们尽最大的努力来争取使UI组件的性能如丝般顺滑,但有的时候这根本不可能做到。要知道,Android有超过一万种不同型号的手机,而在框架底层进行软件渲染的时候是...

    xiangzhihong
  • [Keras实用技巧]·错误Sequential has no attribution “validation_data”解决

    错误描述:Sequential has no attribution “validation_data”

    小宋是呢
  • FPGA中的INOUT接口和高阻态

    除了输入输出端口,FPGA中还有另一种端口叫做inout端口。如果需要进行全双工通信,是需要两条信道的,也就是说需要使用两个FPGA管脚和外部器件连接。但是,有...

    瓜大三哥
  • 剖析Vue原理&实现双向绑定MVVM

    本文能帮你做什么? 1、了解vue的双向数据绑定原理以及核心代码模块 2、缓解好奇心的同时了解如何实现双向绑定 为了便于说明原理与实现,本文相关代码主要摘自vu...

    小时光

扫码关注云+社区

领取腾讯云代金券