Python应用之回测基金定投，选周几收益最高？

今天我用Python做了定投回测实验，想从历史数据上看，什么时候定投获得的收益最大。

先上结论：

1. 对于沪深300/中证500，周定投的话，周5定投收益最高，但由于周5申购下周一才确认，因此会多占用2天时间，考虑到资金的时间价值，周5投也不一定最合适，另外从回测结果上看，周2、周3收益率垫底，因此周定投的朋友，周1、周4、周5选哪天投都ok，差不多。

2. 对于沪深300/中证500，月定投的朋友，尽量避免月中，至于为什么月中定投收益低，我也没想明白，期待高手解惑。

以上结论基于10年定投&2年无脑定投（定时定额）回测结果，历史不一定代表未来，谨慎参考~

以下为啰里啰嗦的分析过程。

---

这几年定投很火，大家都知道，简单说就是分批买入基金。

定投的好处有很多：

1. 每月拿出工资的一部分买基金，相当于强制储蓄，避免乱花钱；

2. 对于我们这种非专业投资者，不太会择时，既然不知道什么时候该买，那就佛系一点，定时自动扣款，不用盯盘，省时省力；

3. 一次性买入有可能会买在高点被套，而定投可以摊平成本，避免这种情况。

使用工具——Baostock

Baostock是一个免费、开源的证券数据平台，我们可以用它来遍历沪深市选股，监测股票行情，进行量化分析和定投回测。

Baostock的安装方法和其他Python包一样，pip install baostock就行。

类似的包还有Dtshare、Tushare，这两个都是免费的Python金融数据接口库，可以自行选择，不过Tushare现在取数需要注册和积分，稍有点麻烦。

1. Baostock官方说明文档：baostock.com

2. Tushare官方说明文档：tushare.pro/document/1

3. Dtshare官方说明文档：dt-share.com

回测思路

一些问题：

1. 定投哪些基金？

2. 定投频率和日期？

3. 定投金额？

4. 定投日遇到节假日（不开盘）如何操作？

5. 收益率如何计算？

第一个问题，我们定投基金一般选指数基金（债券基金不适合定投，这里不展开说了）。

“指数”很好理解，就是选取一组股票，把他们的价格进行加权平均。也就是说，你买股票买的是单个股票，买指数买的是多个股票。

从代表性来看，指数可以分为宽基指数和窄基指数。

宽基指数包含了不同行业，不同类型的指数，能够避免单个股票、单个行业出现的黑天鹅事件，风险相对较小。在中国，最合适新手的宽基指数，就是沪深300指数、中证500指数（这2个可以说是定投入门经典组合了）。

窄基指数中比较有代表性的是行业指数，行业指数要比宽基指数投资风险高，当然，出现利好时，获得超额收益的可能性也更大。我也会投行业指数，例如消费指数、医疗指数，这个以后再说。

今天就先看沪深300、中证500这2个指数。

定投周期通常有周定投、月定投，这两都可以测一下。

周定投：测周一到周五，每次定投1单位金额（不设置具体金额了，毕竟最后计算的收益率是一个相对值的概念，这里1单位你可以理解为1千元，1万元之类）。

月定投：测每月5日、10日、15日、20日、25日，每次定投4单位金额。

节假日：为了方（偷）便（懒），遇到节假日就直接跳过不投。

收益计算逻辑：累计收益率=（市值-本金）/本金

简便起见，这里不考虑资金效率，因为本文主要涉及周定投、月定投的不同定投日的横向比较，也是一个相对值的概念，所以在计算收益率上没那么严谨（其实还是我懒得计算IRR>.<）。

过程及代码

我是从2010年5月31日（周一）开始取数，看近10年的定投情况（我们一般认为中国股市的牛熊周期是7-8年，因此年限太短的话覆盖不了一个周期）。

上图是在果仁网上拉的近20年上证指数（大盘）的走势，我简单标注了一下，差不多2001年到2008年是一个熊牛周期，7年，2008年到2015年又是一个7年周期（粗略地看）。

整体上来讲中国股市的熊市时间很长，所以长期定投真的很考验人的耐心啊（当然了，没有遇到大牛市，也可以做短线策略，吃一些短期波动的收益）。

import baostock as bs
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime, date

# 登陆系统
lg = bs.login()
code = 'sh. 000300' 
start = '2010-05-31'
end = '2020-06-01'

# 获取指数基金指数历史数据
hs300_price = bs.query_history_k_data_plus(code, "date,code,open,high,low,close,preclose,pctChg",
              start_date=start, end_date=end, frequency="d")
# 整合为DataFrame格式
data_list = []
while (hs300_price.error_code == '0') & hs300_price.next():
    data_list.append(hs300_price.get_row_data())
hs300 = pd.DataFrame(data_list, columns=hs300_price.fields)

# 最后一行对应的日期执行卖出操作
sell_index = hs300[hs300['date']==end].index[0]
hs300_buy = hs300.drop(sell_index