如何用Python获取基金行情并分析年度表现优异基金，解锁赚钱秘密？

原创

数人之道

修改于 2022-01-06 17:31:48

1.2K1

修改于 2022-01-06 17:31:48

文章被收录于专栏：数据技术数据技术

昨天是 2022 年工作日的第一天，同时也是国内证券市场的第一个交易日，大家在新的一年里有什么投资目标和期许呢？

在制定今年的投资目标和策略之前，不妨来回顾和分析一下 2021 年基金市场的行情和表现，在新的一年里不要当被割的韭菜，科学理性地进行投资活动，解锁赚钱的秘密、基金的密码吧！

非基金小白可直接跳过第一部分。

1. 基金介绍

基金这个词相信大家都不陌生，那基金到底是什么？它又是如何进行分类的？从哪些渠道可以申购？

1.1. 基金是什么

如果你有一笔钱，想要投资货币市场工具、债券、股票这些产品来获得收益，但是自己不够专业又没足够时间钻研，能拿出来的资金也不多。那这时你就可以找一个专业的机构寻求帮助，而这个专业机构就是基金管理公司。

基金管理公司里有专业的人士，帮助你操作资金、赚取收益。这些专业人士就是基金经理。他们赚了钱，可以获得一定的劳务费和佣金，剩下的收益就会按比例分配给购买基金的客户。

当然，我们这里是只针对公募基金来说的。

1.2. 基金的分类

一般来说，从大类上，基金有公募和私募之分。公募基金就是向社会大众开放，谁都能买的基金。一般公募基金投资门槛很低，大部分基金一千元甚至几百元就可以投资了。

而私募基金，小白通常是买不到的。这些私募基金，首先投资门槛就很高，一般都要求投资者有数十万甚至上百万的资产规模。也就是我们说的合格投资者，如果没有这么多钱，就不合格，不具备投资资格。你可以简单理解为私募基金是给那些富人、高净值人士专门设计的基金。

而从细分方向上来说，根据不同的角度和不同的标准，基金可以有不同的分类方式。例如，根据基金单位是否可增加或赎回，可分为开放式基金和封闭式基金；根据组织形态的不同，可分为公司型基金和契约型基金；根据投资风险与收益的不同，可分为成长型、收入型和平衡型基金。而我们重点要介绍的是以下的分类：

根据投资方向和投资产品的不同，市面上较为常见的基金可分为：货币型基金、债券型基金、股票型基金、混合型基金和指数型基金等。

1.2.1. 货币型基金

货币型基金就是以货币市场工具作为主要投资对象的基金。什么叫货币市场工具呢？简单来讲，就是类似于货币的金融产品，比如现金本身就算，除了现金，还有短期国债、回购、一年期以内的定期存款、一年期以内的中央银行票据等等。这些金融工具的特点就是期限很短，流动性特别好，随时可以变现，非常安全、可靠。余额宝就是典型的货币市场基金。

总体上来说，货币市场基金是低风险、且低利率的，我们的零钱、临时资金等，都特别适合投资货币市场基金，但它不适合长期投资，因为从长期来看，它的收益率很有限。

1.2.2. 债券型基金

债券型基金就是以国债、金融债等固定收益类金融工具作为主要投资对象的基金。当一只基金，其投资组合中有 80%以上的仓位都投资于债券，那么这只基金就属于债券基金了。

债券基金的风险和收益相对股票基金来说会更稳健一些，其特点就是：低风险、低收益；收益稳健；费用较低。

1.2.3. 股票型基金

股票型基金就是以权益类金融工具作为主要投资对象的基金。当一只基金，其投资组合中有 80%以上的仓位都投资于证券，那么这只基金就属于股票基金了。

正是由于股票型基金中投资的大部分对象为均股票，因此它本身也有着高风险高收益并存的特点。不过购买了股票基金能够有效分散投资风险，所以相对于直接投资股票来说，它的风险会有所降低，并且收益相比于直接投资股票市场，是可观的。因此，它很适合那些想要投资股票市场但是又缺乏专业投资知识的投资者。

1.2.4. 混合型基金

混合型基金就是同时以货币市场、固定收益类、权益类金融工具作为主要投资对象的基金。根据股票、债券投资比例以及投资策略的不同，混合型基金又可以分为偏债型基金、偏股型基金、配置型基金等多种类型。

混合基金的特点就是，通过配置多种不同类别的资产，实现投资的多元化，以达到收益与风险之间互相平衡的目的。

1.2.5. 指数型基金

指数型基金实质上是被动型股票基金的一种。被动型是投资理念的一种，是相对于主动型来说的。

股票指数，就是用来反映股票市场上各种股票价格的总体水平，以及他们变动情况的指标。比如上证 50 指数，就是从上海证券交易所的所有股票中，挑选了 50 只具有代表性的股票，用其价格变动的平价情况编制成的价格指数。对主动型投资来说，基金经理的目标就是以上证 50 指数作为基准，在一段时间内跑赢这个指数，从而获得更多超额收益；对被动型投资来说，基金经理的目标就是以上证 50 指数作为基准，将其以相近的权重加入投资组合中，获得跟指数基本一致的收益。

1.2.6. FOF型基金

除了以上基金分类外，还有一种特殊的基金，叫做 FOF，也就是基金中的基金。FOF型基金就是以基金作为主要投资对象的基金。也就是说，这种基金的经理，对市场上的各类基金进行筛选，选择一些不错的基金，来进行投资。

FOF基金的风险性相对更小，对于刚入门的小白来说，面对市场上成千上万的基金，个人挑选的难度和风险都不低，而 FOF 实际上就是基金经理帮助投资者一次买“一篮子基金”，通过专家的二次基金筛选，有效降低风险。

1.2.7. 基金风险及收益程度分布

上面是不同类型基金的风险和收益程度分布图，投资者要根据自身的能力和投资目的来选择最适合自己的基金类型。

1.3. 基金的申购

在基金成立后购买基金的行为就叫申购。不同类型的基金，申购费率也不同。基金的申购费率由高到低为：股票型、混合型、指数型、债券型、货币型。具体的数值如下：

股票型（2%~1.5%）≥混合型（2%~1.5%）＞指数型（1%~1.5%）＞债券型（0.5%~1%）＞货币型（约 0%）

申购基金有 4 个渠道，分别是：银行、证券公司、基金公司、第三方基金代销平台。银行是性价比最低的，不仅产品少，而且申购费率很高；证券公司和基金公司的产品都比较少；第三方基金代销平台不仅产品数量多，而且申购费率比较低，大部分都是 1 折。

2. 基金分析前准备

这次分析的基金数据来源于“蛋卷基金”，其页面是通过 Ajax 来异步传输数据的，有专门的数据接口，需要进行分析。

另外，这次使用 pyecharts 进行数据可视化输出，使用之前需要安装其 Python 库，并进行相应的参数设置。

2.1. URL 及报文分析

2.1.1. URL 分析

通过浏览器的开发者工具，能抓取到基金列表翻页所提交的 URL：

对其 URL 中的参数进行分析：

https://danjuanapp.com/djapi/v3/filter/fund?type=1&order_by=1m&size=20&page=2

参数分析如下：

type: 控制基金类型，就是上文提到的基金分类
order_by: 控制统计时间段
size: 控制一页的记录数量
page: 控制页数

基金类型和时间段参数字典：

# 基金类型
fund_type = {"股票型": 1, "混合型": 3, "债券型": 2, "货币型": 4, "指数型": 5, "FOF型": 6, "QDII型": 11}
# 统计时间
fund_time = {'近一周': '1w', '近一月': '1m', '近三月': '3m', '近六月': '6m', '近一年': '1y', '近两年': '2y', '近三年': '3y', '近五年': '5y'}

2.1.2. 报文分析

查看返回的报文内容，并进行分析：

返回的报文结果为 json 格式，因此需要引入 json 模块对爬取到的数据进行处理。

其他交易净值、基金规模、基金持仓等等信息的分析方法类似。

2.2. 数据可视化设置

这次使用的是 pyecharts 数据可视化工具中的饼图和柱状图，配置其中的相关参数：

# 绘制饼图
def pie(name, value, savetitle, title):
    c = (
        # 初始化配置项，内部可设置颜色
        Pie(
            init_opts=opts.InitOpts(
                # 背景颜色
                bg_color="#2c343c"
            )
        )
            .add(
            # 系列名称
            series_name="基金涨跌幅",
            # 系列数据项，格式为[(key1,value1),(key2,value2)]
            data_pair=[list(z) for z in zip(name, value)],
            # 通过半径区分数据大小
            rosetype="radius",
            # 饼图的半径，设置成默认百分比，相对于容器高宽中较小的一项的一半
            radius="55%",
            # 饼图的圆心，第一项是相对于容器的宽度，第二项是相对于容器的高度
            center=["50%", "50%"],
            # 标签配置项
            label_opts=opts.LabelOpts(is_show=False),
        )
            # 全局设置
            .set_global_opts(
            # 设置标题
            title_opts=opts.TitleOpts(
                # 名字
                title="" + str(title),
                subtitle='hugowong绘制，关注公众号：数人之道',
                # 组件距离容器左侧的位置
                pos_left="center",
                # 组件距离容器上方的像素值
                pos_top="20",
                # 设置标题颜色
                title_textstyle_opts=opts.TextStyleOpts(color="#ffffff"),
            ),
            # 图例配置项参数，是否显示图里组件
            legend_opts=opts.LegendOpts(is_show=False),
        )
            # 系列设置
            .set_series_opts(
            # 设置提示
            tooltip_opts=opts.TooltipOpts(
                trigger="item",
                # 显示格式
                formatter="{a} <br/>{b}: {c}% (占{d}%)"
            ),
            # 设置标签颜色
            label_opts=opts.LabelOpts(
                color="rgba(255, 255, 255, 0.3)",
                # 显示格式
                formatter="{b}: {c}%"
            ),
        )
            .render(str(savetitle) + ".html")
    )

对应不同的分析结果，需要使用不同的参数配置，其他配置详见完整代码（关注公众号『数人之道』，回复 2021基金 获取）。

3. 基金表现分析

下面按照分析需求，对基金数据进行爬取、解析、处理、可视化、分析。

3.1. 2021 年收益率前 10 名

爬取各类型基金近一年收益率前 10 名的数据，提取返回的 json 数据中的基金名称及收益率信息，将结果用饼图的形式可视化输出。

【代码】

# 各类基金指定时间段收益率分析
def fund_analyze1():
    for key in fund_type:
        # 爬取各类基金近一年数据（各取前10名）
        res = requests.get(url=url, headers=headers)
        res.encoding = "utf-8"
        # 解析爬取数据
        fund = json.loads(res.text)
        fund = fund["data"]["items"]
        name = []
        value = []
        # 提取基金名称及对应收益率信息
        for i in range(0, len(fund)):
            name.append(fund[i]["fd_name"])
            value.append(fund[i]["yield"])
        # 数据可视化输出（饼图）
        pie(name, value, str(key) + "基金2021年收益前10名", "[" + str(key) + "]基金2021年收益前10名")

【结果】

【分析】

股票及指数型基金的第一名均遥遥领先，混合及QDII型基金的前十名收益率比较接近（标准差较小），债券型基金的前十名表现十分亮眼。

3.2. 收益率分布分析

爬取各类型基金近一年收益率前 1000 名的数据，对收益率在不同分组区间的基金个数进行统计，分析各类型基金的收益率分布情况，将统计结果用柱状图的形式可视化输出。

【代码】

# 各类基金指定时间段收益率分布分析
def fund_analyze2():
    for key in fund_type:
        # 爬取各类基金近一年数据（各1000个）
        res = requests.get(url=url, headers=headers)
        res.encoding = "utf-8"
        # 解析爬取数据
        fund = json.loads(res.text)
        fund = fund["data"]["items"]
        name = []
        value = []
        # 提取基金名称及对应收益率信息
        for i in range(0, len(fund)):
            name.append(fund[i]["fd_name"])
            try:
                value.append(fund[i]["yield"])
            except:
                value.append(0)

        # 创建数据表，并转换收益率类型为 float，保留四位小数
        tb_fund = pd.DataFrame({"fund_name": name, "yield": value})
        tb_fund["yield"] = round(tb_fund["yield"].astype(float), 4)

        # 对各类基金的收益率数据进行自动分箱，并统计数量
        count_yield = tb_fund["yield"].value_counts(bins=15).sort_index(ascending=True).to_frame()
        count_yield.columns = ["count_num"]

        name = list(count_yield.index.to_tuples())
        value = count_yield["count_num"].to_list()

        # 数据可视化输出
        bars_non_slider2(name, value, str(key), str(key) + "基金收益率分布", "[" + str(key) + "]基金收益率分布情况")

【结果】

【分析】

股票型、指数型、QDII型基金大多数都是亏损状态，且亏得多的也不在少数，同时也有少数收益十分的高，可见这几种基金的高风险及高收益共存的特点。货币型基金稳打稳扎，但收益较少。债券型及 FOF 型基金在平稳的表现中也有少数超常发挥的存在。混合型基金的表现最为优异，没有出现亏损的基金，最低收益也有 11%以上，且不乏高收益的存在。

这几种类型的基金中只有混合型、债券型、货币型的基金没有出现亏损，债券和货币基金是意料之中，而混合型基金也有这样亮眼的成绩确实有点意料之外。

3.3. 各阶段涨跌幅分析

爬取各类型基金近一年收益率排名第一的基金数据，获取其在各个时间段的收益涨跌幅情况，分析优异基金各个阶段的表现，将结果用多系列柱状图的形式可视化输出。

【代码】

# 各类排名第一基金不同时间段涨跌幅分析
def fund_analyze3():
    name = ['近一周', '近一月', '近三月', '近六月', '近一年', '近两年', '近三年', '近五年']
    fund_value = {}

    for key in fund_type:
        # 爬取各类基金近一年数据
        res = requests.get(url=url, headers=headers)
        res.encoding = "utf-8"
        fund = json.loads(res.text)
        # 获取各类排名第一的基金代号
        first_fd_code = fund["data"]["items"][0]["fd_code"]

        # 爬取排名第一的基金各个时间段的涨跌幅情况
        res = requests.get(url=f_url, headers=headers)
        res.encoding = "utf-8"
        fund = json.loads(res.text)
        fund = fund["data"]

        f_values = []

        # 为避免值缺失的情况，加上异常处理；并转换收益率为 float 型，取四位小数
        # 近一周
        try:
            f_values.append('%.4f' % float(fund["nav_grl1w"]))
        except:
            f_values.append(0)
        # 近一月
        try:
            f_values.append('%.4f' % float(fund["nav_grl1m"]))
        except:
            f_values.append(0)
        # 近三月
        try:
            f_values.append('%.4f' % float(fund["nav_grl3m"]))
        except:
            f_values.append(0)
        # 近六月
        try:
            f_values.append('%.4f' % float(fund["nav_grl6m"]))
        except:
            f_values.append(0)
        # 近一年
        try:
            f_values.append('%.4f' % float(fund["nav_grl1y"]))
        except:
            f_values.append(0)
        # 近两年
        try:
            f_values.append('%.4f' % float(fund["nav_grl2y"]))
        except:
            f_values.append(0)
        # 近三年
        try:
            f_values.append('%.4f' % float(fund["nav_grl3y"]))
        except:
            f_values.append(0)
        # 近五年
        try:
            f_values.append('%.4f' % float(fund["nav_grl5y"]))
        except:
            f_values.append(0)

        # 在字典中添加
        fund_value[key] = f_values

    # 数据可视化输出（柱状图）
    bars(name, fund_value, "各类第一基金不同时段涨跌幅", "各类第一基金阶段涨跌幅")

【结果】

【分析】

各类型基金的第一名最近三个月的表现都平平，甚至有回落的迹象。股票、指数及混合型基金的第一名，近几年来的收益涨幅都相当可观。

3.4. 近 60 个交易日净值情况

爬取各类型基金近一年收益率排名第一的基金数据，获取其在近 60 个交易日的历史净值（单位价值）数据，分析优异基金的历史波动情况，将结果用区域拉伸缩放的柱状图的形式可视化输出。

【代码】

# 各类排名第一基金近60个交易日净值分析
def fund_analyze4():
    for key in fund_type:
        # 爬取各类基金近一年数据
        res = requests.get(url=url, headers=headers)
        res.encoding = "utf-8"
        fund = json.loads(res.text)
        # 获取各类排名第一的基金代号
        first_fd_code = fund["data"]["items"][0]["fd_code"]

        # 获取各类排名第一基金近60个交易日的净值
        res = requests.get(url=f_url, headers=headers)
        res.encoding = "utf-8"
        fund = json.loads(res.text)
        fund = fund["data"]["items"]
        name = []
        value = []
        for j in range(0, len(fund)):
            name.append(fund[j]["date"])
            value.append(fund[j]["nav"])
        # 数据可视化输出（带拉伸的柱状图）
        bars_slider(name, value, str(key), str(key) + "基金近60个交易日净值", "[" + str(key) + "]基金近60个交易日净值")

【结果】

【分析】

股票型基金第一名近 60 个交易日稳中带升；混合型基金第一名近 60 个交易日稳中带升、近期回落、偶有波折；债券型基金第一名近 60 个交易日有一段波峰，但近期回落明显；指数型基金第一名近 60 个交易日后期显得吃力；QDII型基金第一名近 60 个交易日爬升后劲不足。

3.5. 重仓股分析

爬取股票型及混合型基金近一年收益率排名前 50 的基金数据，获取每只基金的前十大持仓股名称及对应份额进行汇总统计，挑选出股票型及混合型基金各自的前 20 名持仓股票，分析基金最为青睐的股票，将结果用柱状图的形式可视化输出。

【代码】

# 股票型及混合型基金重仓股票分析
def fund_analyze5():
    for key in fund_type:
        # 爬取股票型及混合型基金近一年数据（各取前50名）
        if str(fund_type[key]) == '2':
            break
        res = requests.get(url=url, headers=headers)
        res.encoding = "utf-8"
        fund = json.loads(res.text)
        fund = fund["data"]["items"]
        fd_code = []
        stock_name = []
        percent = []
        # 提取基金代号
        for i in range(0, len(fund)):
            fd_code.append(fund[i]["fd_code"])

        # 获取基金对应的持仓股名称及份额
        for j in range(0, len(fd_code)):
            res = requests.get(url=f_url, headers=headers)
            res.encoding = "utf-8"
            stock = json.loads(res.text)
            stock = stock["data"]["stock_list"]
            for k in range(0, len(stock)):
                stock_name.append(stock[k]["name"])
                percent.append(stock[k]["percent"])
        # 设置每个基金请求间隔时间
        time.sleep(0.5)

        # 创建数据表
        tb_stocks = pd.DataFrame({"stock_name": stock_name, "hold_percent": percent})
        # 汇总持仓份额
        sum_stocks = tb_stocks.groupby("stock_name", as_index=False).sum()
        # 按份额从高到低排序，并将份额转换格式后保留两位小数
        sum_stocks = sum_stocks.sort_values("hold_percent", ascending=False)
        sum_stocks["hold_percent"] = round(sum_stocks["hold_percent"].astype(float), 2)

        # 选取前20大持仓
        name = sum_stocks["stock_name"].head(20).to_list()
        value = sum_stocks["hold_percent"].head(20).to_list()

        # 数据可视化输出
        bars_non_slider(name, value, str(key), str(key) + "基金前20大持仓股票", "[" + str(key) + "]基金前20大持仓股票")

【结果】

【分析】

股票型基金中，最受青睐的明星股票是“宁德时代”，其余前五位分别是天齐锂业、赣锋锂业、杉杉股份、华友钴业。股票型基金重仓的前五位中有四个都是新能源材料行业的企业。

混合型基金中，最受青睐的明星股票同样是“宁德时代”，其余前五位分别是赛轮轮胎、天合光能、阳光电源、天齐锂业。混合型基金重仓的前五位中同样有四个都是新能源材料行业的企业，且有两个持仓跟股票型基金是重合的。

看来投资者和基金经理一致看多新能源材料行业。

4. 结语

鉴于时间和精力有限，这次对爬取的基金数据只做了部分视角的分析，大家可以自行从其他不同的角度进行分析，挖掘出有价值的信息。例如，资产规模情况、新基金与老基金收益对比、明星基金经理及其管理基金分析等等。

最后提醒一句：投资有风险，理财需谨慎！本文不构成任何投资建议！

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

php

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

登录后参与评论

0 条评论

热度