国内股票年化收益回归分析（上）

此前，我们针对指数波段操作的年化收益率展开计算，结果显示，若在 2600 - 3600 点区间进行指数波段操作，年化收益率通常能超过 10%。不过，从本质上讲，股市诞生之初，为投资者开辟了一条投资途径，使他们能够分享企业成长带来的收益，这也正是股市 “价值投资” 理念的源头。
站在宏观视角，政策层面往往大力倡导并引导股民秉持理性、长期投资的理念，专注于一只或多只有价值的股票，践行 “三投理念”。但历经多年股市的起伏动荡，“价值投资” 在中国市场却遭遇了重重挑战。接下来，我们将通过具体数据深入剖析，探究中国股市中 “价值投资” 是否可行，以及长期持有股票的实际盈亏状况究竟如何 。

# 安装依赖
!pip install efinance
!pip install openpyxl
!pip install scikit-learn

上证指数年化收益回归

衡量一款理财产品的收益，主要考虑年化收益率、相对收益、风险调整后收益指标、投资期限、稳定性等多种因素。就相对收益而言，与大盘指数对比是其中极为重要的一环。过这种对比，能够清晰洞察理财产品在市场整体环境中的表现。若要实现与大盘指数的收益对比，获取上证指数的年化收益便成为首要任务。上证指数作为反映沪市整体走势的重要指标，其年化收益数据为评估理财产品相对收益提供了关键参照。

import efinance as ef
import datetime
from tqdm import tqdm
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression


# 股票代码
stock_code = '上证指数'
# 获取上证指数历史行情数据
df = ef.stock.get_quote_history(stock_code)
stock_date = np.array([datetime.datetime.strptime(i,"%Y-%m-%d") for i in np.array(df["日期"])])
stock_price = np.array(df['开盘'])

def linear_regression(x_list, y_list):
    '''
    使用sklearn中的线性回归求解
    '''
    lr_model = LinearRegression()
    # 使用库求解
    lr_model.fit(x_list, y_list)
 
    # 这里为了验证结果，仅作事例，将输出结果简单化了
    ar = np.array([lr_model.coef_[