基金评价专题5：超额计算

目录

1. 实现步骤

2. 源代码

3. 结果

---

免责声明：本文由作者参考相关资料，并结合自身实践和思考独立完成，对全文内容的准确性、完整性或可靠性不作任何保证。同时，文中提及的数据仅作为举例使用，不构成推荐；文中所有观点均不构成任何投资建议。请读者仔细阅读本声明，若读者阅读此文章，默认知晓此声明。

1. 实现步骤

1. 获取基准的数据，本文以中证500指数为例，频率为日度。

2. 获取标的的数据，本文以招商中证500指数A(004192)为例。

3. 计算单日超额收益，单日超额收益 = 指数单日涨跌幅-标的单日涨跌幅。

4. 迭代获取超额收益的时序数据。

5. 令初始净值为1，根据超额收益的时序数据，迭代出对应的超额净值序列。

2. 源代码

import akshare as ak
import pandas as pd
import datetime


class get_alpha(object):
    def __init__(self, index_code, fund_code, st=None, et=None):
        '''
        index_code: 基准代码,格式为str
        fund_code： 标的代码,格式为str
        st： 开始时间，不写默认为'20180101'
        et： 结束时间，不写默认为'最新'
        '''
        self.index_code = index_code
        self.fund_code = fund_code
        self.st = '20180101' or st
        self.et = datetime.datetime.now().strftime("%Y%m%d") or et
       

    @classmethod
    def Daychange(cls, day):  # 日期转换，不带"-"
        return pd.to_datetime(day).strftime("%Y%m%d")

    @classmethod
    def get_return(cls, data):  # 获取百分比收益率序列
        return data.copy().pct_change().fillna(0)

    @classmethod
    def normalized_nav(cls, data):  # 净值归一处理
        new_data = [x / data.tolist()[0] for x in data.tolist()]
        return new_data

    def get_index_data(self):
        # 获取指数数据
        data_source = ak.stock_zh_index_daily_em(symbol=self.index_code) \
            .sort_values(by=['date'], ascending=True)
        data_source['date'] = data_source['date'].apply(lambda x: self.Daychange(x))
        data_df = pd.DataFrame({'tradingDay': data_source['date'], 'index_nav': data_source['close']})
        return data_df

    def get_fund_data(self):
        # 获取标的数据
        data_source = ak.fund_open_fund_info_em(fund=self.fund_code, indicator="累计净值走势") \
            .sort_values(by=['净值日期'], ascending=True)
        data_source['date'] = data_source['净值日期'].apply(lambda x: self.Daychange(x))
        data_df = pd.DataFrame({'tradingDay': data_source['date'], 'fund_nav': data_source['累计净值']})
        return data_df
        

    def get_alpha_nav(self):
        # 获取超额序列
        index_df = self.get_index_data()
        fund_df = self.get_fund_data()
        # 合并数据
        me_df = pd.merge(index_df, fund_df, on='tradingDay', how='right')
        # 筛选日期
        new_data = me_df.loc[(me_df['tradingDay'] >= self.st) & (me_df['tradingDay'] <= self.et)]
        # 计算超额收益
        new_data['alpha_re'] = self.get_return(new_data['fund_nav']) - self.get_return(new_data['index_nav'])
        # 计算超额净值序列
        nav = 1
        nav_list = []
        for x in new_data['alpha_re']:
            nav = nav * (1 + x)
            nav_list.append(nav)
        # 合成表格，并对净值进行归一处理
        out_df = pd.DataFrame({'日期': new_data['tradingDay'],
                               '基准指数': self.normalized_nav(new_data['index_nav']),
                               '标的': self.normalized_nav(new_data['fund_nav']),
                               '超额': nav_list})
        return out_df




if __name__ == '__main__':
    index_code = "sh000852"
    fund_code = '004192'
    model = get_alpha(index_code, fund_code)
    res = model.get_alpha_nav()

3. 结果

  最终结果如下图，此处不再进行可视化的演示。

  本期分享结束，有何问题欢迎交流。

免责声明：本文由作者参考相关资料，并结合自身实践和思考独立完成，对全文内容的准确性、完整性或可靠性不作任何保证。同时，文中提及的数据仅作为举例使用，不构成推荐；文中所有观点均不构成任何投资建议。请读者仔细阅读本声明，若读者阅读此文章，默认知晓此声明。