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