基于Python的指数基金量化投资——指数基金估值榜

前面介绍过《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》，通过估值来进行指数基金的投资。

当估值百分位为90%-100%的时候，指数处于严重高估状态，可以考虑全仓卖出；
当估值百分位为80%-90%的时候，指数处于高估状态，可以考虑大份额卖出；
当估值百分位为60%-80%的时候，指数处于正常偏高状态，可以考虑小份额卖出；
当估值百分位为40%-60%的时候，指数处于正常状态，可以考虑持有；
当估值百分位为20%-40%的时候，指数处于正常偏低状态，可以考虑小份额定投；
当估值百分位为10%-20%的时候，指数处于低估状态，可以考虑大份额定投；
当估值百分位为0%-10%的时候，指数处于严重低估状态，可以考虑大份额定投+增量买入；

有了这个策略，就需要观察每个指数的估值百分位情况，如果一个一个查看会很麻烦，最简单的办法就是把各个指数直观的通过图形的方式表现出来，如下图所示：

图中按照严重低估、低估、正常偏低、正常、正常偏高、高估和严重高估划分了对应的区域，并用不同的颜色进行了区分，然后分别计算每一个指数的估值百分位，然后把计算出来的结果画在相应的区域，这样就可以非常直观的看到所有指数的一个估值情况。

源码

源码中用到的估值数据文件g_*.csv可以联系小将获取。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt


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',   # 中证白酒  -7
                'g_db500.csv',  # 500低波动 -8
                'g_jz300.csv',  # 300价值   -9
                'g_yy100.csv',  # 医药100   -10
                'g_zzyyao.csv',   # 中证医药  -11
                'g_jbm50.csv',  # 基本面50  -12
                'g_shzhl.csv',  # 上证红利  -13
                'g_zzhl.csv',   # 中证红利  -14
                'g_zzjg.csv',   # 中证军工  -15
                'g_spyl.csv',   # 食品饮料  -16
                'g_zqgs.csv',   # 证券公司  -17
                'g_ylcy.csv',   # 养老产业  -18
                'g_szhl.csv',   # 深证红利  -19
                'g_zzhb.csv',   # 中证环保  -20
                'g_cyb.csv',    # 创业板    -21
                'g_hszs.csv',   # 恒生指数  -22
                'g_hsgqzs.csv',   # 恒生国企指数  -23
                'g_zghl50.csv',  # 中国互联50  -24
                'g_xgdp.csv',  # 香港大盘  -25
                'g_xgzx.csv']  # 香港中小  -26

index_info = np.zeros([len(index_name_csv),1])
for i in range(len(index_name_csv)):
    index_data = pd.read_csv('./importfile/indexSeries/indexValuation/g/' + index_name_csv[i])
    if index_name_csv[i] == 'g_zzyh.csv' or index_name_csv[i]