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

最新推荐文章于 2024-06-25 04:12:00 发布
最新推荐文章于 2024-06-25 04:12:00 发布
阅读量5.3k 收藏 63
点赞数 7
分类专栏： python数据可视化 文章标签： python 数据分析 数据可视化 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Demonslzh/article/details/106804827
版权

文章目录


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

  1. 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
  2. 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
  3. 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+"-"+end
    f=open(name,'wb')
    f.write(requests.get(url).content)
    f.close()
    data=pd.read_csv(name,encoding='gbk')
    return data

def 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']/=100
    return data

获取沪深300的数据，并查看

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

在这里插入图片描述

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_money
            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=0
            while(True):
                if(df1[df1.index==invest_day].index==invest_day):
                    break
                else:
                    invest_day+=np.timedelta64(1,'D')
                    flag+=1
                    if(flag==100):
                        break
                        
            
        invest_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)

在这里插入图片描述

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()

在这里插入图片描述

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 0.9
    elif(cal>0.15 and cal<0.5):
        return 0.8
    elif(cal>=0.5 and cal<1):
        return 0.7
    elif(cal>=1):
        return 0.6
    
    elif(wl>0.05):
        
        if(cal>=-0.05 and cal<0):
            return 0.6
        elif(cal>=-0.1 and cal<-0.05):
            return 0.7
        elif(cal>=-0.2 and cal<-0.1):
            return 0.8
        elif(cal>=-0.3 and cal<-0.2):
            return 0.9
        elif(cal>=-0.4 and cal<-0.3):
            return 1.0
        elif(cal<-0.4):
            return 1.1
    else:
        if(cal>=-0.05 and cal<0):
            return 1.8
        elif(cal>=-0.1 and cal<-0.05):
            return 1.9
        elif(cal>=-0.2 and cal<-0.1):
            return 2.0
        elif(cal>=-0.3 and cal<-0.2):
            return 2.1
        elif(cal>=-0.4 and cal<-0.3):
            return 2.2
        elif(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_time
            else:
                formal_day=1
                while(True):
                    T_1=date-np.timedelta64(formal_day,"D")#前1天的收盘价
                    if(T_1 in df1.index.tolist()):
                        break
                    else:
                        formal_day+=1
            T_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=0
            while(True):
                if(df1[df1.index==invest_day].index==invest_day):
                    break
                else:
                    invest_day+=np.timedelta64(1,'D')
                    flag+=1
                    if(flag==100):
                        break
                        
            
        invest_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")

在这里插入图片描述
在这里插入图片描述

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
在这里插入图片描述

Demonslzh6
关注
专栏目录
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。
06-28 351
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。
用Python验证指数基金定投策略
【活用数据】
03-19 1016
文章目录提出问题获取数据Step1 打开网址，登录帐号Step2 进入研究环境Step3 新建一个Python3的NotebookStep4 在新建的Notebook中写入代码获取指数数据函数获取指数数据示例数据探索数据分析高点定投，能否盈利？按月自动定投函数按月自动定投示例周定投PK月定投？周定投按周自动定投函数按周自动定投示例周定投PK月定投函数周定投PK月定投示例得出结果 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
用python来分析一波基金数据
a55656aq的博客
12-23 3955
导语： 哈喽，哈喽~马上又要到年底了，所有的人都在冲业绩大捞一笔，然后准备回家过年。这里小编想问一下，你们的基金经理业绩还好吗???? 今天小编通过量化投资平台和Python来分析一波基金数据。 正文： 本次分析用的是聚宽（https://www.joinquant.com/）平台，新用户注册后会有6个月试用期，期间可以免费使用平台所有数据，每天可调用100万条数据，完全够我们分析了。 注册账号后，我们就可以调用聚宽的数据。以下代码我用 Python 3.8+jupyter 编写、运行。
指数基金日涨跌幅python_用Python验证指数基金定投策略
weixin_31032799的博客
12-30 528
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Not...
利用 python 分析基金，合理分析数据让赚钱赢在起跑线！
最新发布
m0_60667010的博客
06-25 613
code”:[“002736”,“003328”,“003547”,],运行 fund_analysis.py实现原理从天天基金网里点开一个基金，在 chrome 开发者工具观察加载了的文件。依次查找发现了一个 js 文件，里面含有一些基金的基本信息。这是一个 js 文件。获取累计收益率信息需要在页面做些操作，点击累计收益里的3年，观察开发者工具的请求，很容易找到这个数据源是如何获取的。这是个 json 数据。基金费率表在另一个页面，我们多找几次可以找到信息源地址。这是个 html 数据。
python实现基金定投并可视化结果（及时止损）
01-20
1.什么是指数基金 2.什么是基金定投 3.本次数据来源 4.作出假设 每周定投一次，每次定投500，计算2019年对沪深300指数基金进行定投的收益率 每周定投一次，每次定投500，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 5.改变定投策略，获得更好的收益(以2018和2019的平均收益率分析) 改变定投周期(三月一次定投) 改变定投金额(设置投入资金固定比例) 及时止损(资金最大时收盘) 1.什么是指数基金 股票指数是指按照一定的规则所选择的股票的平均值。比如： 上证50指数：就是把上海证券交易所规模最大、流动性最好的50家公司的股票统计起来的股票平均值。
数学建模入门例题python_用Python分析支付宝轻定投收益--Python数学建模实例
weixin_39636057的博客
12-17 521
原标题：用Python分析支付宝轻定投收益--Python数学建模实例 免责声明本人对金融理财一窍不通，本文纯属个人自娱自乐，如造成投资误导概不负责另欢迎理财达人批评指正前两天发现支付宝里面多了个轻定投的功能，作为一名缺钱缺的慌的小小助理工程师，只看了一眼简介就被吸引住了。因为口袋里没多少钱，我决定按最小额，也就是10块钱，先投几个月试试，基金选择是推荐的唯一一个低风险基金：天弘丰利债券(lof)...
基于Python的基金数据汇总分析
毕业作品网站
07-14 1330
列表爬取数据截图：安装好 chromedriver 驱动（版本需要和你本地电脑 Chrome 浏览器版本一致）， 安装 tesseract(识别二维码需要，如果是用 cookies 方式则不需要) 并将 tesseract 加到环境变量下，运行报错的话可能没有安装训练库，可参考https://stackoverflow.com/questions/14800730/tesseract-running-error，如果是需要连接数据库的话，还要配置好表结构如果需要存数据到数据库，需要建好对应表结构，(运行可以
基于python的定投以及优化定投策略
06-28
在Python中，我们可以使用pandas库处理和分析数据，例如计算历史收益率、绘制价格走势等。对于财富分配，我们需要考虑投资者的风险承受能力、投资目标以及市场环境等因素。我们可以创建一个函数，根据这些因素动态...
智能投顾,智能投顾是什么意思,Python
09-10
首先，收益率分析是智能投顾系统中的核心环节。收益率是指投资资产在一定时间内产生的利润，通常以百分比表示。计算收益率可以帮助我们评估投资的表现。Python中，我们可以使用pandas库来处理和计算投资组合的收益率...
Python基金数据实战分析：偏债混合基金篇
fanmin2000的博客
01-14 2277
Python基金数据实战分析：偏债混合基金篇如何从众多的基金中选择适合自己的需求场景从基金网站获取基金代码先整体看一下基金情况获取所有混合C基金的历史净值数据分析混合C基金画线图予以核实实战购买 如何从众多的基金中选择适合自己的 时代不同了。随着各类基金规模的不断扩大，一方面基金看重的股票往往基本面较为优质，另一方面其资金优势也可采用“抱团”战法。于是，与其参考基金选股做一名股民，不如直接选基金购买做一名基民。那么，如何从众多的基金中选择适合自己的呢？本篇尝试用Python爬取基金数据，找出其中收益较稳定（
python 基金数据爬取
01-13
python 基金数据爬取 源码 可运行
python 基金数据分析_Python基金会和数据分析-实践,python,基础,与,篇
weixin_29231263的博客
02-09 454
案例：App Store评分数据项目背景：如今想在手机应用商店上成为成功的应用越来越困难。对app下载和评分数据的分析成为帮助app开发者获取和留存用户的重要工具。Play商店应用数据具有巨大的潜力，可以推动应用制作业务取得成功。可以为开发人员提供可操作的见解，以便开发和捕获移动市场。针对性回答三个问题1.免费和收费的app都集中在哪些类别？2.收费app的价格分布是如何的？不同类别的价格分布是怎...
redis 红包 python_python自动撸支付宝基金答题红包
weixin_39775896的博客
11-26 751
背景在一个套利撸羊毛群里，一群小伙伴每天在不懈地撸支付宝的基金红包，于是自己也加入了撸红包大军。于是就重复地在不同的基金里面，看有没有答题红包，有的话就点进去，回答一个及其容易的题目，当然，答错了也会提示你让你选择另外一个答案的。领完红包，还要看看这个红包能否买货币基金或者短期理财，或者退而求其次，能买债券基金也行的，前提得要它的红包金额能否覆盖手续费，而且波动不能太大。于是玩了几次后，...
用 Python 快速获取基金持仓增值与减持情况
Python数据之道
09-10 2245
来源：Python数据之道 (ID:PyDataLab)作者：阳哥大家好，我是阳哥。大家知道，在财经领域，Python是有着广泛的用途的，这不，最近A股成交量明显扩大，有不少消息说是量化类...
基于python进行信息爬取，进行基金组合透视分析
静笃塾
12-03 1785
本工具的主要目地是，利用python抓取晨星网、天天基金网上的数据，进行组合重仓股分析、组合后行业持仓分析、基金具体参数信息分析。 一、晨星的坑 晨星网也有组合透视功能，但是存在三项一足 1、只能分析组合内的前十重仓股。实际应用中，前十远远不行，通过前十无法具体判断组合内的行业偏重、个股集中度，会引起投资偏差； 2、组合内的行业分布太过粗略。像制造业、批发零售等，不具备可参考信息； 3、当组合内含有QDII基金、港股基金时，前十重仓股的计算会出错。我选过几个组合，通过晨星透视计算前十重仓，再用计算
python数据分析实例1-基金定投
X_zhikang的博客
03-13 2097
需要完成的任务 1. 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 2. 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 3. 探索不同的定投策略，看看你能否得到更好的定投收益呢？ 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...
python爬取支付宝基金数据_钱袋子往哪走？教你用Python爬取基金数据
weixin_34098209的博客
01-22 4066
年关将至，钱袋子往哪走？有人买了定期存款，3年，年利率：3.987。按存50w计算0.0385 50万，3年息：6万，月息：1666.72元0.039785 50万，3年息：6.21万，月息：1724.53元0.04125 50万，3年息：6.45万，月息：1790.62元还有推荐买基金，进入支付宝页面，随机选了一个基金看看，那么：从未买过基金的我，应该买它吗？带着疑问，开始准备爬基金的...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Demonslzh6

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值