基于Python的指数基金量化投资 - 通过指数估值榜进行指数投资

前面介绍过针对每一个单独的指数，可以通过市盈率和市净率的计算获得指数的估值百分位，从而进行相应的投资（《基于Python的指数基金量化投资 - 通过市盈率和市净率对指数估值》）。

这里介绍一个可以把所有指数估值信息进行汇总的方式：指数估值榜，这样可以直观的看出所有指数的估值点位，从整体上来进行选择，而不是一个指数一个指数的筛选，更加高效和便捷。

 

 

图中标示出了大部分目前的主流指数，纵坐标的单位是0%到100%，然后通过不同的背景颜色对估值高低进行区分，从上到下分为7个颜色区间，从红色过度绿色分别对应严重高估、高估、正常偏高、正常、正常偏低、低估和严重低估，这个区间是按照前面介绍的估值区间划分的（《基于Python的指数基金量化投资 - 通过市盈率和市净率对指数估值》），如下所示。

分别计算出每个指数的估值百分位，然后放到对应的区间，就能获得估值榜的数据。

例如沪深300算出来的估值百分位是75%，然后就把它放在60%-80%正常偏高这个区间内找到75%的位置画一个白点进行标识，而中证500算出来的估值百分位是23%，则在20%-40%正常偏低区间内找到23%的位置画一个白点进行标识，依次找出所有指数的估值点位后画出即可。

 

下面是具体的代码实现过程。

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import datetime

 

index_name_csv = ['g_hs300.csv',  # 沪深300 - 0

                'g_zz500.csv',  # 中证500 - 1

                'g_zz100.csv',  # 中证100 - 2

                'g_shz50.csv',  # 上证50  - 3

                'g_hsyy300.csv',  # 沪深医药300 - 4

                'g_zzyh.csv',   # 中证银行  -5

                'g_zzxf.csv',   # 中证消费  -6

                'g_zzbj.csv'