用Python验证指数基金定投策略

活用数据

已于 2022-03-19 22:25:34 修改

阅读量1k

点赞数 2

分类专栏：数据分析文章标签： python 数据分析

于 2022-03-19 22:21:01 首次发布

本文链接：https://blog.csdn.net/kdhonger/article/details/123604406

版权

本文通过Python分析指数基金定投策略，探讨从高点开始定投是否能盈利及周定投与月定投的优劣。实验结果显示，即使从历史高点开始，长期定投仍可能盈利；周定投通常比月定投带来稍高收益，但长期来看差异减小。

摘要由CSDN通过智能技术生成

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，登录帐号

JoinQuant聚宽
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Notebook

后面所有操作和Jupyter Notebook一样。

Step4 在新建的Notebook中写入代码

获取指数数据函数

导入所需要用到的库

import pandas as pd
import matplotlib.pyplot as plt

定义获取指数数据的函数

# 获取股票数据函数
def get_stock_data(code, start_date, end_date):
    """
    :param code: 需要获取数据的指数代码，注意使用的是上交所的指数代码
    :param start_date: 开始获取数据的日期
    :param end_date: 结束获取数据的日期
    :return: 返回从开始到结束日期每天的指数数据
    """
    df = get_price(code+'.XSHG', start_date=start_date, end_date=end_date, frequency='daily') 
    df = df.dropna()    # 删除缺失值
    df.to_csv(code+'.csv')    # 保存为csv格式
    return df

获取指数数据示例

# 获取沪深300指数，从2005年4月8日开始到2019年4月20日结束的日级交易数据
df300 = get_stock_data(code='000300', start_date='2005-04-08', end_date='2019-04-20')
df300

运行结果：
沪深300指数

运行代码之后返回到Jupyter Notebook的主页，就能看到保存的000300.csv文件，可以下载到本地进行操作，也可以直接在聚宽的研究环境中进行操作。
下载csv文件

数据探索

先对我们获取到的沪深300指数数据进行一番了解，方便后续分析。
查看沪深300指数的总体信息：

df300.info()

沪深300info

查看沪深300指数收盘价的大体情况：

df300['close'].describe()

沪深300收盘价describe.png

查看沪深300指数的历史走势图：

# 设置参数，将图形格式设置为‘svg’，能够输出更加清晰的图
%config InlineBackend.figure_format = 'svg'

# 建立画布
fig = plt.figure(figsize = (12,6))

# 用收盘价绘制折线图
plt.plot(df300.index, df300['close'])

沪深300指数历史走势图

找出收盘价极大值点的函数：

# 筛选出指数价格的极大值点
def find_max(stock_data, start_date, end_date):
    """
    :param stock_data: 需要筛选出极大值点的指数数据
    :param start_date: 筛选范围的开始日期
    :param end_date: 筛选范围的结束日期
    :return:返回极大值点对应当天数据
    """
    max_price =