周内效应对ETF定投的影响分析

最新推荐文章于 2024-04-29 17:55:25 发布

--莫名--

最新推荐文章于 2024-04-29 17:55:25 发布

阅读量441

点赞数

分类专栏： Python量化文章标签： python 开发语言数据分析

本文链接：https://blog.csdn.net/halps/article/details/127591603

版权

Python量化专栏收录该内容

16 篇文章 25 订阅

订阅专栏

研究表明，A股市场存在显著的周内效应，且在不同的市场状态下有所差异。大多数指数在周一的平均收益率最高，周四的平均收益率最低。在上涨市场中，周一和周五的收益率显著为正。在下跌市场中，周二和周三表现相对较好，周一和周四收益率显著为负。根据网友们的回测分析，总体来说，周一表现最好，其次是周五，而周四表现最差。

下面我们来看下ETF基金是否也存在相同的问题，以及大盘和小盘的表现是否有区别。

一、指数基金的周内效应分析

1.涨跌幅统计

这里对沪深300ETF（510300）和创业板ETF（159915）从上市交易以来到2020年9月20日的每个工作日的涨跌幅进行统计，结果如下：

从统计结果看，跟A股一样，沪深300ETF和创业板ETF都是周四跌的最多。周三和周四的涨幅均值和中位数都为负，其它几天涨幅的均值和中位数均为正。胜率方面周三和周四都低于50%。沪深300ETF在一周之中表现最好的是周五，其次是周二，但是这两天的都胜率低于周一；创业板ETF在一周之中表现最好的是周一，其次是周二。

2.周内每日净值统计

假设ETF每周只有某一个工作日，其他交易日不考虑。此时ETF的净值就只和该工作日的涨跌幅有关。这样把每周所有工作日的指数画出来，就能清楚的知道市场的表现。

上图图中的5条曲线分别对应一周内5个工作日的净值。对于沪深300ETF，周五一直表现不错，最终净值为1.59；周二近几年表现也不错，最终净值为1.53；周四表现最差，最终净值为0.76。对于创业板ETF，周二表现最好，最终净值为2.48；周一一和周五也不错，在1.7左右；周四表现最差，最终净值只有0.51。

从上面的数据可以看到，ETF指数基金同样有周内效应，只是大盘和小盘的表现不太一样。

周内效应分析的思路和程序都参考了邢大的文章，链接如下：

https://blog.csdn.net/xingbuxing_py/article/details/109215223

因为数据来源不同，而且索引之类的设置不太一样，做了一下修改，代码如下：

import akshare as ak
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import pandas as pd


# 工作日涨跌幅统计
def workday_statistics(df):
    df['change'] = df['close']/df['close'].shift(1) - 1
    df = df[df['date'] >= pd.to_datetime('20060101').strftime('%Y-%m-%d')]
    df = df[df['date'] <= pd.to_datetime('20200920').strftime('%Y-%m-%d')]
    # 计算工作日
    df['datex'] = pd.to_datetime(df['date'])
    df['week'] = df['datex'].dt.dayofweek
    df['week'] += 1
    # 统计各个工作日的均值，涨跌幅等
    result = df.groupby('week')['change'].describe()
    temp1 = df.groupby('week')['change'].size()
    temp2 = df[df['change'] > 0].groupby('week')['change'].size()
    result['胜率'] = temp2 / temp1
    print(result.T)
    return df


# 统计各个工作日净值
def week_statistics(df, name):
    temp = df[['date', 'week', 'close']].copy()
    mon_df = df[df['week'] == 1].copy()
    tue_df = df[df['week'] == 2].copy()
    wed_df = df[df['week'] == 3].copy()
    thu_df = df[df['week'] == 4].copy()
    fri_df = df[df['week'] == 5].copy()
    mon_df['equity_mon'] = (mon_df['change'] + 1).cumprod()
    tue_df['equity_tue'] = (tue_df['change'] + 1).cumprod()
    wed_df['equity_wed'] = (wed_df['change'] + 1).cumprod()
    thu_df['equity_thu'] = (thu_df['change'] + 1).cumprod()
    fri_df['equity_fri'] = (fri_df['change'] + 1).cumprod()
    # 合并
    temp['equity_mon'] = mon_df['equity_mon']
    temp['equity_tue'] = tue_df['equity_tue']
    temp['equity_wed'] = wed_df['equity_wed']
    temp['equity_thu'] = thu_df['equity_thu']
    temp['equity_fri'] = fri_df['equity_fri']
    # 填充
    equity_list = ['equity_mon', 'equity_tue', 'equity_wed', 'equity_thu', 'equity_fri']
    name_list = ['周一', '周二', '周三', '周四', '周五']
    k = 0
    plt.rcParams['font.sans-serif'] = ['SimHei']
    for i in equity_list:
        temp[i].fillna(method='ffill', inplace=True)
        temp[i].fillna(value=1, inplace=True)
        plt.plot(temp['date'], temp[i], label=name_list[k])
        k += 1
    print("周一：%s" % temp['equity_mon'].iloc[-1])
    print("周二：%s" % temp['equity_tue'].iloc[-1])
    print("周三：%s" % temp['equity_wed'].iloc[-1])
    print("周四：%s" % temp['equity_thu'].iloc[-1])
    print("周五：%s" % temp['equity_fri'].iloc[-1])
    plt.gca().xaxis.set_major_locator(ticker.MultipleLocator(100))  # 设置x轴密度
    plt.xticks(rotation=45)  # 旋转45度显示
    plt.legend(loc='best')
    plt.title(name + "周内效应净值对比")
    plt.savefig('ETF周内效应净值对比-' + name + '.png')
    plt.show()


code = '510300'
# code = '159915'
df_small = pd.read_csv(code + '.csv', encoding='gbk')
data = df_small[['交易日期', '开盘价', '最高价', '最低价', '收盘价', '成交量']].copy()
# 列名改为英文方便下面操作
data.rename(columns={'交易日期': 'date', '开盘价': 'open', '最高价': 'high', '最低价': 'low',
                     '收盘价': 'close', '成交量': 'volume'}, inplace=True)
data.index = pd.to_datetime(data.date)
data.index = data.index.strftime('%Y%m%d')
data = data.sort_index()
data['change'] = data['close'].pct_change(periods=1)  # 计算涨跌幅=change

df = workday_statistics(data)
week_statistics(df, code)

二、定投的周内效应分析

那么A股的周内效应对于基金定投有没有影响呢？本文针对这一问题，对基金定投的周内效应进行回测。标的还是沪深300ETF（510300）和创业板ETF（159915），选择在周一至周五进行分别进行定投，金额未1000元，在每个交易日以开盘价买入后一直持有，回测开始时间为2012年1月1日，周期分别为3年、5年和10年，手续费为0.03%，没有印花税，没有考虑滑点问题。

3年定投回测结果如下（表格的上一半为159915，下一半为510300）：