面试都面试些什么比普通定投高20%的支付宝智能定投策略(1)，最新整理

首先是获取到 2019年至2021年9月30日的所有数据，进行相应的数据处理（列重命名、时间序列转换、排序、设计辅助列等）

code = ‘399300.SZ’

start_date = ‘20190101’

end_date = ‘20210930’

df_data = w.wsd(code, “pre_close,high,low,close,MA”, start_date, end_date, “MA_N=500”,usedf=True)[1]

df_data1 = df_data.reset_index().copy()

df_data1 = df_data1.rename(columns={‘index’:‘trade_date’,  ‘PRE_CLOSE’:‘昨收价’, ‘MA’:‘MA500’, ‘CLOSE’:‘收盘点位’, ‘HIGH’:‘最高点位’, ‘LOW’:‘最低点位’})

df_data1[‘trade_date’] = pd.to_datetime(df_data1[‘trade_date’])

df_data1 = df_data1.sort_values(‘trade_date’,ascending=False).reset_index(drop=True)

df_data1[‘counter’] = range(len(df_data1))

其次是计算近10日的振幅情况，公式如下：

(本周期最高价-最低价)/上一周期的收盘价

也就是近10天的最高价-最低价，然后除以第前11天的收盘价

代码如下：

“”“计算近10日的振幅”“”

for index, row in df_data1.iterrows():

counter = row[‘counter’]

if counter+10 > df_data1.shape[0]:

max_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<df_data1.shape[0]), ‘最高点位’].max()

min_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<df_data1.shape[0]), ‘最低点位’].min()

pre_close = df_data1.loc[df_data1[‘counter’]==df_data1.shape[0]-1, ‘昨收价’].iloc[0]

else:

max_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<counter+10), ‘最高点位’].max()

min_price = df_data1.loc[(df_data1[‘counter’]>=counter) & (df_data1[‘counter’]<counter+10), ‘最低点位’].min()

pre_close = df_data1.loc[df_data1[‘counter’]==counter+9, ‘昨收价’].iloc[0]

ten_chg = (max_price-min_price)/pre_close*100

df_data1.loc[df_data1[‘counter’]==index, ‘近十日振幅(%)’] = ten_chg

最后是计算当前价格的偏离程度，并根据近10日的振幅情况，计算当前的扣款率

代码比较简单，如下：

“”“计算偏离程度和振幅，得出扣款率”“”

df_data1[‘均价偏离(%)’] = (df_data1[‘收盘点位’]-df_data1[‘MA500’])/df_data1[‘MA500’]*100

df_data1 = df_data1.reset_index(drop=True)

df_data1[‘扣款率(%)’] = df_data1[[‘均价偏离(%)’, ‘近十日振幅(%)’]].apply(lambda x: get_kk_ratio(x), axis=1)

df_data1.head(20)

以上代码块可以直接合并运行，都是同一层级关系

上述代码输出的 9月份 扣款率结果如下所示：

可以看到，如果你是每周4定投，9月份出现的5个周4定投日，都是以90%的比例进行定投。

说直白点，你每次定投初始金额为 1000元，那么这5个定投日会各投 900元进去！

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

droid移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算**