【Python】基金/股票 最大回撤率计算与绘图详解（附源码和数据）

如果你想找的是求最大回撤的算法，请跳转：[Python] 使用动态规划求解最大回撤详解

0. 起因

前一段时间投了一家金融公司的Python开发工程师，让我做以下事情：

1. 以月为窗口，挑选一只基金or股票，查看它近2年最大回撤率；
2. 找到从08年-至今的金融危机时间段，并呈现在这些危机时间段内，该基金or股票的历次回撤率。

给了3天时间，代码我1天不到就写完了，写完之后我就去做自己的项目了，沉迷技术无法自拔~~~

3天过后，没想到打电话过来的是产品经理，完全不问代码的事情，问我平时是怎么学习的；问我有没有考虑为什么要分析这些东西；问我以后的方向；问我学习中遇到过的最大的问题是什么，我说了我最近做的一个网站遇到的问题；

我觉得自己答的都还不错，也许是没答到人家内心里去吧，问了几个问题之后，我感觉人家貌似情绪有点不对了。隔了几天才收到技术面，问的都是NumPy和Pandas，因为几个月前学的还不错，加上问的比较基础（没有涉及到时间序列和透视表那些），所以大部分问题都答上来了。不过还是没有收到Offer，缘分未到~

言归正传，我选了一家老牌的基金 github 源码和数据

1. 大成沪深300指数A 519300 最大回撤率分析

数据来源：http://fund.eastmoney.com/519300.html?spm=search
天天基金官网：大成沪深300指数A 519300

0. 基金走势图 2007 - 2020

官网上分析数据接口，清洗数据之后，我绘制出来的图 2006 - 2020

1. 以月为窗口，挑选一只基金or股票，查看它近2年最大回撤率；

2.找到从08年-至今的金融危机时间段，并呈现在这些危机时间段内，该基金or股票的历次回撤率。

很多基金成立年限都不高，没有经历过金融危机，这只基金是我找了些资料才找出来的，成立了14个年头。

2. 绘制走势图和最大回撤的函数封装

封装了两个函数，一个用于绘制走势图，一个用于绘制走势图和回撤率。效果如下：

import matplotlib.pyplot as plt
import pylab as pl


def draw_trend_chart(xs, ys, title):
    """ 根据数据绘制折线走势图 """
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.plot(xs, ys)  # 根据数据绘制折线走势图
    plt.title(title)
    plt.show()


def draw_trend_and_withdraw(xs, ys, title, max_x, max_y, show_max_str, min_x, min_y, show_min_str, 
                            withdraw, withdraw_x=None, withdraw_y=None, x_ticks_rotation=None):
    """ 根据数据绘制折线走势图和最大回撤信息 """
    """
    xs: x轴数组
    ys: y轴数组
    title: 走势图标题
    max_x, max_y: 最大回撤最高点的x值和y值
    min_x, min_y: 最大回撤最低点的x值和y值
    show_max_str: 最大回撤最高点的标记提示
    show_min_str: 最大回撤最低点的标记提示
    withdraw: 最大回撤值
    withdraw_x: 最大回撤值提示点的x值
    withdraw_y: 最大回撤值提示点的y值
    """
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.plot(xs, ys)  # 根据数据绘制折线走势图
    plt.title(title)

    plt.scatter(min_x, min_y, color='r')  # 标记最低点
    plt.scatter(max_x, max_y, color='r')  # 标记最高点
    plt.annotate(show_min_str, xytext=(min_x, min_y), xy=(min_x, min_y))  # 标记提示
    plt.annotate(show_max_str, xytext=(max_x, max_y), xy=(max_x, max_y))  # 标记提示

    plt.plot([min_x, max_x], [min_y, max_y], color='b', linestyle='--')  # 连接最低净值点和最高净值点
    if withdraw_x is None or withdraw_y is None:
        plt.annotate(withdraw, xytext=((max_x + min_x) / 2, (max_y + min_y) / 2), xy=((max_x + min_x) / 2, (max_y + min_y) / 2))  # 标记提示
    else:
        plt.annotate(withdraw, xytext=(withdraw_x, withdraw_y), xy=(withdraw_x, withdraw_y))  # 标记提示

    if x_ticks_rotation is not None:    # 旋转 x 轴的标记
        pl.xticks(rotation=60)

    plt.show()


if __name__ == '__main__':
    xs = range(0, 9)
    arr = [3, 7, 2, 6, 4, 1, 9, 8, 5]
    _max, _min = 1, 5   # 最高点索引和最低点索引
    max_rate = 6        # 最大回撤
    draw_trend_chart(xs, arr, title=f'{arr}')
    draw_trend_and_withdraw(list(range(0, 9)), arr, f'{arr}', _max, arr[_max], f'最高点索引:{_max}',
                            _min, arr[_min], f'最低点索引:{_min}', max_rate)

3. 从0到1分析最大回撤率

0. 求取最大回撤的函数

除了两个绘图函数，还有求最大的回撤的函数：

def _withdraw_with_high_low(arr):
    """ 传入一个数组，返回最大回撤和对应的最高点索引、最低点索引 """
    _dp = 0  # 使用 _dp 表示 i 点的最大回撤
    i_high = 0  # 遍历时，0 ~ i - 1 中最高的点的索引，注意是索引

    # 全局最大回撤和对应的最高点和最低点的索引，注意是索引
    g_withdraw, g_high, g_low = float('-inf'), -1, -1

    for i in range(1, len(arr)):
        # 注意：此处求的是
        if arr[i_high] < arr[i-1]:  # 若 0 ~ i - 1 中最高的点小于当前点
            i_high = i-1  # 0 ~ i - 1 中最高的点的索引

        _dp = arr[i_high] - arr[i]  # _dp 表示 i 点的最大回撤
        if _dp > g_withdraw:  # 找到新的最大回撤，更新三个值
            g_withdraw = _dp
            g_high = i_high
            g_low = i

    return g_withdraw, g_high, g_low

1. 读取数据并绘制走势图

'''
数据来源：http://fund.eastmoney.com/519300.html?spm=search
天天基金官网：大成沪深300指数A 519300
'''

import pandas as pd
from fengzhuang import draw_trend_chart		# 导入绘图函数

# 读取数据
df = pd.read_csv('大成沪深300指数A-519300.txt', sep='\t', header=None, names=['x', 'y', 'equityReturn'])
df.index = pd.to_datetime(df.x)     # 使用x时间列为索引列，定位快
df = df.drop(['x', 'equityReturn'], axis=1)  # 删除x列和equityReturn列。equityReturn表示权益回报，我们不关心。

draw_trend_chart(df.index, df.y, '大成沪深300指数A-519300走势图')

2. 计算每个月的最大回撤率和对应的最高点、最低点

# 存储各个月份的日期、最大回撤最高点的值和最低点的值、最大回撤、最大回撤率
res = []

# 先按年分组，再按月分组
for indexs, groupby_year_month in df.groupby([df.index.year, df.index.month]):
    _ = list(groupby_year_month['y'].values)  # 单个月份的净值列表

    # 求最大回撤率、最高点索引、最低点索引
    _withdraw, _max, _min = _withdraw_with_high_low(_)

    # t为一个月的五个值，分别是日期、最大回撤最高点的值和最低点的值、最大回撤、最大回撤率
    t = [groupby_year_month.index[0], _[_max], _[_min], _[_max] - _[_min], (_[_max] - _[_min]) / _[_max] * 100]

    # date、max、min、diff、rate
    res.append(t)

# 转DataFrame
result = pd.DataFrame(res, columns=["date", "max", "min", "diff", "rate"])
# 只保留年月
result['date'] = result['date'].apply(lambda x : datetime.datetime.strftime(x, "%Y-%m"))
# 日期列转为索引
result.index = pd.to_datetime(result['date'])
# 删除日期列
result = result.drop(['date'], axis=1)
print(result)

               max     min    diff       rate
date                                         
2006-04-01  1.0124  1.0098  0.0026   0.256815
2006-05-01  1.1422  1.0909  0.0513   4.491333
2006-06-01  1.1711  1.0689  0.1022   8.726838
2006-07-01  1.1825  1.0826  0.0999   8.448203
2006-08-01  1.0724  1.0263  0.0461   4.298769
...            ...     ...     ...        ...
2020-01-01  1.1424  1.0400  0.1024   8.963585
2020-02-01  1.0749  1.0255  0.0494   4.595776
2020-03-01  1.0909  0.9295  0.1614  14.795123
2020-04-01  1.0073  0.9938  0.0135   1.340216
2020-05-01  1.0354  1.0254  0.0100   0.965810

[170 rows x 4 columns]

3. 绘制以月为窗口近两年的最大回撤率

绘图如下：

前面我们已经按月求出来了每个月的最大的回撤和回撤率、最高点和最低点，我们现在要做的就是取近两年的时间。

先取得近两年的时间，求取相对时间的函数，详见 [Python] 获取前一日/周/月/年或相对任意时间：

from dateutil.relativedelta import relativedelta
import datetime

def relative_time(use_now=True, date_string=None, date_format=None, years=0, months=0, days=0, leapdays=0, weeks=0, hours=0, minutes=0, seconds=0, microseconds=0):
    """ 相对时间，相对于当前或者某一个时间的时间 """
    """
    relative_time(use_now=True)  # 现在
    relative_time(use_now=True, days=-1)  # 昨天的现在
    relative_time(use_now=True, years=-1)    # 一年前的现在
    relative_time(use_now=True, days=-1, months=-1)  # 上个月的前一天
    relative_time(use_now=False, date_string='2020-09-30 12:00:00', date_format="%Y-%m-%d %H:%M:%S", days=1)  # 2020-09-30 12:00:00后一天
    relative_time(use_now=False, date_string='2020-09-30', date_format="%Y-%m-%d", years=-1, weeks=2))  # 2020-09-30 前一年的后两星期
    
    使用详见: https://blog.csdn.net/Spade_/article/details/109170585
    """
    relative_delta = relativedelta(years=years, months=months, days=days, leapdays=leapdays, weeks=weeks, hours=hours,
                                   minutes=minutes, seconds=seconds, microseconds=microseconds)
    _date = datetime.datetime.now() if use_now else datetime.datetime.strptime(date_string, date_format)
    return (_date + relative_delta).strftime("%Y-%m-%d %H:%M:%S")

我们直接调用该函数，就可以很轻易取得当前时间和相对于现在两年前的时间：

'''
1、以月为窗口，挑选一只基金or股票，查看它近2年最大回撤率；
'''
# 取近两年
today = relative_time(use_now=True)
two_year_ago = relative_time(use_now=True, years=-2)
near_two_year_df = result[(result.index >= two_year_ago)]

# 以月为窗口的最大回撤率
print(f'以月为窗口，近2年最大回撤率: {round(near_two_year_df["rate"].max(), 4)}%')

# 以月为窗口的回撤率绘图
draw_trend_chart(near_two_year_df.index, near_two_year_df['rate'], '大成沪深300指数A-519300 近两年的月回撤率')

输出结果：

以月为窗口，近2年最大回撤率: 14.7951%

4. 08年金融危机中最大回撤率

我们要先求得08年金融危机的最大回撤、最高点、最高点，作图后效果是这样的：

'''
2、找到从08年-至今的金融危机时间段，并呈现在这些危机时间段内，该基金or股票的历次回撤率。；
'''
crisis_start = datetime.datetime(2007, 1, 1)    # 金融危机开始  2007-01-01 00:00:00
crisis_end = datetime.datetime(2009, 8, 1)      # 结束  2009-08-01 00:00:00
crisis_df = df[(df.index >= crisis_start) & (df.index <= crisis_end)]   # 选取 2007-01-01 到 2009-08-01 的 日期和净值

_ =  list(crisis_df['y'].values)  # 各个月份的y值列表

# 求最大回撤率、最高点索引、最低点索引
_withdraw, _max, _min = _withdraw_with_high_low(_)

rate = round((_[_max] - _[_min]) / _[_max] * 100, 4)
print('\n08金融危机时间段:\n最高点净值:', _[_max], '\t最低点净值:', _[_min], '\t回撤', (_[_max] - _[_min]))
print(f'最大回撤率: {rate}%')

'''
绘图前，先取得三个点，最低点、最高点、最低和最高中间的点，求得三个点在图中对应的x值y值用于绘图
'''
min = crisis_df[crisis_df.y == _[_min]]     # 最低点，包括时间和净值
max = crisis_df[crisis_df.y == _[_max]]     # 最高点，包括时间和净值

min_x = min.index
max_x = max.index
min_y = list(min.y)[0]      # 取第一个
max_y = list(max.y)[0]
min_date = datetime.datetime.strftime(list(min.index)[0], '%Y-%m-%d')   # 日期索引转为字符串日期
max_date = datetime.datetime.strftime(list(max.index)[0], '%Y-%m-%d')

show_min = '['+str(min_date)+' '+ str(min_y)+']'
show_max = '['+str(max_date)+' '+ str(max_y)+']'

# 中间点
tips = crisis_df[crisis_df.index == '2008-03-03']      # 取 2008-03-03 作为图中最大回撤提示的标记点

# 绘图
draw_trend_and_withdraw(crisis_df.index, crisis_df.y, '2008年金融危机最大回撤率',
                        max_x, max_y, show_max, min_x, min_y, show_min,
                        f'{rate}%', tips.index, tips.y, 60)

4. 数据和源码

github 源码和数据

代码-100行

1. 求最大回撤的函数、绘图函数、求相对时间的函数

fengzhuang.py

from dateutil.relativedelta import relativedelta
import matplotlib.pyplot as plt
import datetime
import pylab as pl


# 封装操作
def relative_time(use_now=True, date_string=None, date_format=None, years=0, months=0, days=0, leapdays=0, weeks=0, hours=0, minutes=0, seconds=0, microseconds=0):
    """ 相对时间，相对于当前或者某一个时间的时间 """
    """
    relative_time(use_now=True)  # 现在
    relative_time(use_now=True, days=-1)  # 昨天的现在
    relative_time(use_now=True, years=-1)    # 一年前的现在
    relative_time(use_now=True, days=-1, months=-1)  # 上个月的前一天
    relative_time(use_now=False, date_string='2020-09-30 12:00:00', date_format="%Y-%m-%d %H:%M:%S", days=1)  # 2020-09-30 12:00:00后一天
    relative_time(use_now=False, date_string='2020-09-30', date_format="%Y-%m-%d", years=-1, weeks=2))  # 2020-09-30 前一年的后两星期
    
    使用详见: https://blog.csdn.net/Spade_/article/details/109170585
    """
    relative_delta = relativedelta(years=years, months=months, days=days, leapdays=leapdays, weeks=weeks, hours=hours,
                                   minutes=minutes, seconds=seconds, microseconds=microseconds)
    _date = datetime.datetime.now() if use_now else datetime.datetime.strptime(date_string, date_format)
    return (_date + relative_delta).strftime("%Y-%m-%d %H:%M:%S")


def draw_trend_chart(xs, ys, title):
    """ 根据数据绘制折线走势图 """
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.plot(xs, ys)  # 根据数据绘制折线走势图
    plt.title(title)
    plt.show()


def draw_trend_and_withdraw(xs, ys, title, max_x, max_y, show_max_str, min_x, min_y, show_min_str,
                            withdraw, withdraw_x=None, withdraw_y=None, x_ticks_rotation=None):
    """ 根据数据绘制折线走势图和最大回撤信息 """
    """
    xs: x轴数组
    ys: y轴数组
    title: 走势图标题
    max_x, max_y: 最大回撤最高点的x值和y值
    min_x, min_y: 最大回撤最低点的x值和y值
    show_max_str: 最大回撤最高点的标记提示
    show_min_str: 最大回撤最低点的标记提示
    withdraw: 最大回撤值
    withdraw_x: 最大回撤值提示点的x值
    withdraw_y: 最大回撤值提示点的y值
    """
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.plot(xs, ys)  # 根据数据绘制折线走势图
    plt.title(title)

    plt.scatter(min_x, min_y, color='r')  # 标记最低点
    plt.scatter(max_x, max_y, color='r')  # 标记最高点
    plt.annotate(show_min_str, xytext=(min_x, min_y), xy=(min_x, min_y))  # 标记提示
    plt.annotate(show_max_str, xytext=(max_x, max_y), xy=(max_x, max_y))  # 标记提示

    plt.plot([min_x, max_x], [min_y, max_y], color='b', linestyle='--')  # 连接最低净值点和最高净值点
    if withdraw_x is None or withdraw_y is None:
        plt.annotate(withdraw, xytext=((max_x + min_x) / 2, (max_y + min_y) / 2), xy=((max_x + min_x) / 2, (max_y + min_y) / 2))  # 标记提示
    else:
        plt.annotate(withdraw, xytext=(withdraw_x, withdraw_y), xy=(withdraw_x, withdraw_y))  # 标记提示

    if x_ticks_rotation is not None:    # 旋转 x 轴的标记
        pl.xticks(rotation=60)

    plt.show()


def _withdraw_with_high_low(arr):
    """ 传入一个数组，返回最大回撤和对应的最高点索引、最低点索引 """
    _dp = 0  # 使用 _dp 表示 i 点的最大回撤
    i_high = 0  # 遍历时，0 ~ i - 1 中最高的点的索引，注意是索引

    # 全局最大回撤和对应的最高点和最低点的索引，注意是索引
    g_withdraw, g_high, g_low = float('-inf'), -1, -1

    for i in range(1, len(arr)):
        # 注意：此处求的是
        if arr[i_high] < arr[i-1]:  # 若 0 ~ i - 1 中最高的点小于当前点
            i_high = i-1  # 0 ~ i - 1 中最高的点的索引

        _dp = arr[i_high] - arr[i]  # _dp 表示 i 点的最大回撤
        if _dp > g_withdraw:  # 找到新的最大回撤，更新三个值
            g_withdraw = _dp
            g_high = i_high
            g_low = i

    return g_withdraw, g_high, g_low


if __name__ == '__main__':
    today = relative_time(use_now=True)
    two_year_ago = relative_time(use_now=True, years=-2)

    xs = range(0, 9)
    arr = [3, 7, 2, 6, 4, 1, 9, 8, 5]
    _max, _min = 1, 5   # 最高点索引和最低点索引
    max_rate = 6        # 最大回撤
    draw_trend_chart(xs, arr, title=f'{arr}')
    draw_trend_and_withdraw(list(range(0, 9)), arr, f'{arr}', _max, arr[_max], f'最高点索引:{_max}',
                            _min, arr[_min], f'最低点索引:{_min}', max_rate)

2. 数据读取、清洗、调用绘图函数

519300.py

'''
数据来源：http://fund.eastmoney.com/519300.html?spm=search
天天基金官网：大成沪深300指数A 519300
'''

import pandas as pd
import datetime
from fengzhuang import relative_time, draw_trend_chart, _withdraw_with_high_low, draw_trend_and_withdraw

# 读取数据
df = pd.read_csv('大成沪深300指数A-519300.txt', sep='\t', header=None, names=['x', 'y', 'equityReturn'])
df.index = pd.to_datetime(df.x)     # 使用x时间列为索引列，定位快
df = df.drop(['x', 'equityReturn'], axis=1)  # 删除x列和equityReturn列。equityReturn表示权益回报，我们不关心。

draw_trend_chart(df.index, df.y, '大成沪深300指数A-519300走势图')


'''
计算每个月的最大回撤率
'''
# 存储各个月份的日期、最大回撤最高点的值和最低点的值、最大回撤、最大回撤率
res = []

# 先按年分组，再按月分组
for indexs, groupby_year_month in df.groupby([df.index.year, df.index.month]):
    _ = list(groupby_year_month['y'].values)  # 单个月份的净值列表

    # 求最大回撤率、最高点索引、最低点索引
    _withdraw, _max, _min = _withdraw_with_high_low(_)

    # t为一个月的五个值，分别是日期、最大回撤最高点的值和最低点的值、最大回撤、最大回撤率
    t = [groupby_year_month.index[0], _[_max], _[_min], _[_max] - _[_min], (_[_max] - _[_min]) / _[_max] * 100]

    # date、max、min、diff、rate
    res.append(t)

# 转DataFrame
result = pd.DataFrame(res, columns=["date", "max", "min", "diff", "rate"])
# 只保留年月
result['date'] = result['date'].apply(lambda x : datetime.datetime.strftime(x, "%Y-%m"))
# 日期列转为索引
result.index = pd.to_datetime(result['date'])
# 删除日期列
result = result.drop(['date'], axis=1)
print(result)


'''
1、以月为窗口，挑选一只基金or股票，查看它近2年最大回撤率；
'''
# 取近两年
today = relative_time(use_now=True)
two_year_ago = relative_time(use_now=True, years=-2)
near_two_year_df = result[(result.index >= two_year_ago)]

# 以月为窗口的最大回撤率
print(f'以月为窗口，近2年最大回撤率: {round(near_two_year_df["rate"].max(), 4)}%')

# 以月为窗口的回撤率绘图
draw_trend_chart(near_two_year_df.index, near_two_year_df['rate'], '大成沪深300指数A-519300 近两年的月回撤率')


'''
2、找到从08年-至今的金融危机时间段，并呈现在这些危机时间段内，该基金or股票的历次回撤率。；
'''
crisis_start = datetime.datetime(2007, 1, 1)    # 金融危机开始  2007-01-01 00:00:00
crisis_end = datetime.datetime(2009, 8, 1)      # 结束  2009-08-01 00:00:00
crisis_df = df[(df.index >= crisis_start) & (df.index <= crisis_end)]   # 选取 2007-01-01 到 2009-08-01 的 日期和净值

_ =  list(crisis_df['y'].values)  # 各个月份的y值列表

# 求最大回撤率、最高点索引、最低点索引
_withdraw, _max, _min = _withdraw_with_high_low(_)

rate = round((_[_max] - _[_min]) / _[_max] * 100, 4)
print('\n08金融危机时间段:\n最高点净值:', _[_max], '\t最低点净值:', _[_min], '\t回撤', (_[_max] - _[_min]))
print(f'最大回撤率: {rate}%')

'''
绘图前，先取得三个点，最低点、最高点、最低和最高中间的点，求得三个点在图中对应的x值y值用于绘图
'''
min = crisis_df[crisis_df.y == _[_min]]     # 最低点，包括时间和净值
max = crisis_df[crisis_df.y == _[_max]]     # 最高点，包括时间和净值

min_x = min.index
max_x = max.index
min_y = list(min.y)[0]      # 取第一个
max_y = list(max.y)[0]
min_date = datetime.datetime.strftime(list(min.index)[0], '%Y-%m-%d')   # 日期索引转为字符串日期
max_date = datetime.datetime.strftime(list(max.index)[0], '%Y-%m-%d')

show_min = '['+str(min_date)+' '+ str(min_y)+']'
show_max = '['+str(max_date)+' '+ str(max_y)+']'

# 中间点
tips = crisis_df[crisis_df.index == '2008-03-03']      # 取 2008-03-03 作为图中最大回撤提示的标记点

# 绘图
draw_trend_and_withdraw(crisis_df.index, crisis_df.y, '2008年金融危机最大回撤率',
                        max_x, max_y, show_max, min_x, min_y, show_min,
                        f'{rate}%', tips.index, tips.y, 60)