量化学习——定投策略

利用akshare数据源，采用定投策略，进行策略回测

from sqlalchemy import create_engine
import pandas as pd
import numpy as np
import akshare as ak
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']        # 字体设置
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False    # 负号显示问题

df_300 = ak.stock_zh_index_daily_em(symbol="sh000300")
df_300['date'] = pd.to_datetime(df_300['date'], format='%Y-%m-%d')

df300 = df_300
df300 = df300.set_index('date')

绘图

# 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'])

  筛选出沪深300指数2007-2009年的极大值点对应当天的数据

 

# 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 = stock_data[start_date:end_date]['close'].max()    # 极大值点的收盘价
    return stock_data[stock_data['close'] == max_price]    # 极大值点对应当天数据
# 筛选出沪深300指数2007-2009年的极大值点对应当天的数据
find_max(df300, '2007/1/1', '2009/1/1')

 按月定投：

# 按月定投函数
def auto_invest_monthly(stock_data, start_date, end_date):
    """
    :param stock_data: 需要定投的指数数据
    :param start_date: 开始定投的日期
    :param end_date: 结束定投的日期
    :return: 返回从开始定投到结束每天的资金数据
    """
    # 截取股票数据
    stock_data = stock_data[start_date:end_date]
    
    # 修改stock_data的index的数据类型，这样才能和temp进行合并
    stock_data.index = stock_data.index.astype('period[D]')

    # 每月第一个交易日定投
    buy_month = stock_data.resample('M', kind='period').first()

    # 定投购买指数基金
    trade_log = pd.DataFrame(index=buy_month.index)
    trade_log['基金净值'] = buy_month['close'] / 1000    # 将收盘价除以1000作为基金净值
    trade_log['定投资金'] = 1000    # 每月投入1000元申购该指数基金
    trade_log['基金份额'] = trade_log['定投资金'] / trade_log['基金净值']    # 买入份额等于买入金额除以基金净值
    trade_log['持有份额'] = trade_log['基金份额'].cumsum()    # 累计申购份额
    trade_log['累计投入'] = trade_log['定投资金'].cumsum()    # 累计投入金额
    
    temp = trade_log.resample('D').ffill()    # 将交易记录填充为日级数据
    
    # 计算每个交易日的资产（等于当天的基金份额乘以单位基金净值）
    daily_data = pd.merge(stock_data, temp, left_index=True, right_index=True, how='left')
    daily_data = daily_data[['close', '定投资金', '基金份额', '持有份额', '累计投入']]
    daily_data['基金净值'] = daily_data['close'] / 1000
    daily_data['持有基金价值'] = daily_data['基金净值'] * daily_data['持有份额']
    
    # 将daily_data的index修改为datetime类型，否则无法使用matplotlib绘图
    daily_data.index = daily_data.index.astype('datetime64')

    return daily_data

# 每月定投沪深300指数
df300m = auto_invest_monthly(df300, '2007/10/16','2023/01/20' )

#按月定投沪深300指数数据可视化
# 建立画布
fig = plt.figure(figsize = (12,6))

# 绘制主坐标轴图表
plt.plot(df300m.index, df300m['close'], linestyle='dotted', label="沪深300指数")

plt.legend(loc='upper left')    # 设置主坐标轴图表的图例

# 调用twinx方法
plt.twinx()

# 使用次坐标轴
plt.plot(df300m.index, df300m['累计投入'], label="累计投入资金")
plt.plot(df300m.index, df300m['持有基金价值'],label='基金净值')

plt.legend(loc='upper right')    # 设置次坐标轴图表的图例

按周定投

# 按周定投函数
def auto_invest_weekly(stock_data, start_date, end_date):
    """
    :param stock_data: 需要定投的指数数据
    :param start_date: 开始定投的日期
    :param end_date: 结束定投的日期
    :return: 返回从开始定投到结束每天的资金数据
    """
    # 截取股票数据
    stock_data = stock_data[start_date:end_date]
    
    # 修改stock_data的index的数据类型，这样才能和temp进行合并
    stock_data.index = stock_data.index.astype('period[D]')

    # 每周第一个交易日定投，如果整周都是休息日，则跳过本周
    buy_week = stock_data.resample('w', kind='period').first().dropna()

    # 定投购买指数基金
    trade_log = pd.DataFrame(index=buy_week.index)
    trade_log['基金净值'] = buy_week['close'] / 1000    # 将收盘价除以1000作为基金净值
    trade_log['定投资金'] = 250    # 每周投入250元申购该指数基金
    trade_log['基金份额'] = trade_log['定投资金'] / trade_log['基金净值']    # 买入份额等于买入金额除以基金净值
    trade_log['持有份额'] = trade_log['基金份额'].cumsum()    # 累计申购份额
    trade_log['累计投入'] = trade_log['定投资金'].cumsum()    # 累计投入金额
    
    temp = trade_log.resample('D').ffill()    # 将交易记录填充为日级数据
    
    # 计算每个交易日的资产（等于当天的基金份额乘以单位基金净值）
    daily_data = pd.merge(stock_data, temp, left_index=True, right_index=True, how='left')
    daily_data = daily_data[['close', '定投资金', '基金份额', '持有份额', '累计投入']]
    daily_data['基金净值'] = daily_data['close'] / 1000
    daily_data['持有基金价值'] = daily_data['基金净值'] * daily_data['持有份额']
    
    # 将daily_data的index修改为datetime类型，否则无法使用matplotlib绘图
    daily_data.index = daily_data.index.astype('datetime64')

    return daily_data

# 每周定投沪深300指数
df300w = auto_invest_weekly(df300, '2007/10/16', '2023/7/31')

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

# 绘制主坐标轴图表
plt.plot(df300w.index, df300w['close'], linestyle='dotted', label="沪深300指数")

plt.legend(loc='upper left')    # 设置主坐标轴图表的图例

# 调用twinx方法
plt.twinx()

# 使用次坐标轴
plt.plot(df300w.index,df300w['累计投入'], label="累计投入资金")
plt.plot(df300w.index, df300w['持有基金价值'],label='基金净值')

plt.legend(loc='upper right')    # 设置次坐标轴图表的图例

 

 按周定投vs按月定投

# 按周定投vs按月定投
def weekly_pk_monthly(dfw, dfm):
    """
    :param dfw: 周定投函数返回的数据
    :param dfm: 月定投函数返回的数据
    :return: 返回周定投和月定投的收益率
    """
    temp = pd.merge(dfw[['累计投入', '持有基金价值']], dfm[['累计投入', '持有基金价值']], left_index=True, right_index=True)
    dfvs = pd.DataFrame(index=temp.index)

    dfvs['周定投累计投入'] = temp['累计投入_x']
    dfvs['周定投基金价值'] = temp['持有基金价值_x']
    dfvs['周定投收益率'] = (dfvs['周定投基金价值']-dfvs['周定投累计投入']) / dfvs['周定投累计投入']

    dfvs['月定投累计投入'] = temp['累计投入_y']
    dfvs['月定投基金价值'] = temp['持有基金价值_y']
    dfvs['月定投收益率'] = (dfvs['月定投基金价值']-dfvs['月定投累计投入']) / dfvs['月定投累计投入']
    
    return dfvs

dfvs = weekly_pk_monthly(df300w, df300m)

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

# 绘制主坐标轴图表
plt.plot(df300w.index, df300w['close'], linestyle='dotted', label="沪深300指数")

plt.legend(loc='upper left')    # 设置主坐标轴图表的图例

# 调用twinx方法
plt.twinx()

# 使用次坐标轴
plt.plot(df300m.index,df300m['持有基金价值'],label='月基金净值')
plt.plot(df300w.index, df300w['持有基金价值'],label='周基金净值')

plt.legend(loc='upper right')    # 设置次坐标轴图表的图例