【推荐】利用python实现基金定投策略动态评估519193基金

2018年，空仓基金夺得股票型基金冠军。“空仓躺赢”体现出2018年投资市场大写的“尴尬”。本文不准备谈论2019年走势如何，单纯从技术角度利用python语言分析基金定投策略对投资收益的影响。

一、采集数据源：

做数据分析首先需要稳定准确的基金净值数据源，更重要的是免费！

经过对比研究比较发现sina新浪财经频道的后台提供开放的API接口。调用格式如下：

http://stock.finance.sina.com.cn/fundInfo/api/openapi.php/CaihuiFundInfoService.getNav?symbol="+fundID+"&page=1

其中fundID是基金代码

调用返回的类型是字典类型：

{"result":{"status":{"code":0},"data":{"data":[{"fbrq":"2018-12-31 00:00:00","jjjz":"1.784","ljjz":"1.784"},{"fbrq":"2018-12-28 00:00:00","jjjz":"1.784","ljjz":"1.784"}],"total_num":"2013"}}}

其中jjjz为基金净值数据，ljjz为累计净值数据，total_num为全部数据条数。以每页20条计算，即可计算出基金数据总页数，根据页数进行循环可以获取所有交易日的基金净值数据。

基金数据采集并保存至本地csv文件的代码为：

def FundCap(fundID):

url="http://stock.finance.sina.com.cn/fundInfo/api/openapi.php/CaihuiFundInfoService.getNav?symbol="+fundID+"&page=1"

up=urllib.request.urlopen(url)

cont=eval(up.read())

#print (cont['result']['data']['total_num'])

item_count = cont['result']['data']['total_num']

page_count = math.ceil(int(item_count) / 20)

cont = None

fund_file = open('./store/' + fundID + '.csv', 'w')

curpage = page_count

while curpage > 0:

url = "http://stock.finance.sina.com.cn/fundInfo/api/openapi.php/CaihuiFundInfoService.getNav?symbol=" + fundID + "&page=" + str(curpage)

up = urllib.request.urlopen(url)

cont = eval(up.read())

for item in reversed(cont['result']['data']['data']):

total_net_value = item['ljjz']

net_value = item['jjjz']

datetime = item['fbrq']

fund_file.write(datetime+ ','+ net_value + ',' + total_net_value + '\n')

curpage = curpage - 1

fund_file.close()

二、设计循环策略：

根据当前主流定投软件的定投规则，设计以下三个循环评估策略：

1. 对该基金时间周期进行循环评估，循环项4个：近一年、近两年、近三年、成立以来。

2. 对不同的止盈策略进行循环评估，循环项12个：10%、20%、30%、40%、50%、60%、70%、80%、90%、100%、1000%、10000%（长期持有策略）。

3. 对不同的定投日期进行循环评估，循环项6个：周一、周二、周三、周四、周五、每天。

循环策略决定了策论的评估周期，即：若评估近一年的定投策略优劣需要进行6*12=72轮计算，若要完成4个时间周期的策略评估需要288轮计算。

其实笔者还曾加入带回撤率的平仓策略以及50%/80%平仓策略，因为测试结果对基金投资收益影响不明显，所以这两个策略被暂时精简掉。

for startp in [ValSize - 257, ValSize - 514, ValSize - 770, 0]: #

if startp < 0:

continue

for StopRate in [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7 ,0.8, 0.9, 1, 10, 100]:

for weekday in [0,1,2,3,4,None]: #None,

anarob.nStep = startp

anarob.ValSize = ValSize

anarob.cond_weekday = weekday

anarob.StopRate = StopRate

ProfitRate = anarob.Go()

nLoop = nLoop + 1

if ProfitRate > MaxProfitRate:

MaxProfitRate = ProfitRate

MaxCond_weekday = weekday

MaxCost = anarob.MaxCost

MaxStopRate = StopRate

if weekday is not None:

weekstr = weekdaystr[weekday]

else:

weekstr = '每天'

print("[Idx=%d][StopRate=%.02f, MaxProfitRate=%.02f;MaxCost=%.02f]%s" % (nLoop, StopRate, ProfitRate,anarob.MaxCost, weekstr))

if MaxCond_weekday is not None:

weekstr = weekdaystr[MaxCond_weekday]

else:

weekstr = '每天'

print("[%s]Final[LoopSum=%d][start=%s|end=%s]:[StopRate=%.02f%%, MaxProfitRate=%.02f;MaxCost=%.02f]%s" % (

reader.filename, nLoop, anarob.start_time, anarob.end_time, MaxStopRate * 100, MaxProfitRate, MaxCost, weekstr))

MaxProfitRate = 0

三、定投机器人设计：

定投机器人类AnaRob是全文设计的核心，也是可以灵活调整定投策略的投资者原型。定投机器人每次触发定投条件会自动定投1000元资金，根据当前净值计算持仓份额，并且逐日盯市决定是否触发止盈条件，若触发止盈条件则立即平仓获利，随后继续定投，自动开启下一轮定投周期。

class AnaRob():

def Cond_1(self,key): #星期判断

if not self.cond_weekday:

return True

curdatetime = datetime.datetime.strptime(key, "%Y-%m-%d %H:%M:%S")

if curdatetime.weekday() == self.cond_weekday:

return True

else:

return False

def Cond_2(self,key): #时间判断

if not self.cond_time:

return True

curdatetime = datetime.datetime.strptime(key, "%Y-%m-%d %H:%M")

time = key[11:]

if time == self.cond_time:

return True

else:

return False

def Condition(self,key):

if self.Cond_1(key) and self.Cond_2(key):

return True

else:

return False

def CountLoop(self,key):

if self.Condition(key):

self.Loop = self.Loop + 1

def TriggerBuy(self,key):

if self.Condition(key):

return True

else:

return False

def TriggerCloseStopRate(self, val):

if ((val * self.PosiAmt - self.PosiCost) / self.PosiCost) > self.StopRate:

return True

else:

return False

#带回撤判断的平仓策略

def TriggerCloseRetrace(self, val):

if self.Ready2Retrace is False:

if ((val * self.PosiAmt - self.PosiCost) / self.PosiCost) > self.StopRate:

self.TopPrice = val

self.Ready2Retrace = True

else:

return False

else:

if val > self.TopPrice:

self.TopPrice = val

return False

if (self.TopPrice - val)/self.TopPrice > self.RetraceRate:

self.Ready2Retrace = False

return True

else:

return False

def TriggerClose(self, val):

if self.PosiCost <= 0:

return False

return self.TriggerCloseStopRate(val)

def InputData(self, keyval):

self.KeyVal=keyval

self.ValSize = len(self.KeyVal[1])

def DoCloseRate(self, val, rate = 1):

self.Profit = self.Profit + ((val * self.PosiAmt - self.PosiCost) * rate)

if self.PosiCost > self.MaxCost:

self.MaxCost = self.PosiCost

self.PosiAmt = self.PosiAmt * (1 - rate)

self.PosiCost = self.PosiCost * (1 - rate)

self.ProfitRate = self.Profit / self.MaxCost * 100

def DoClose(self,val):

#平50%、平80%策略并没有明显改善，策略弃！

self.DoCloseRate(val)

def Go(self):

self.PosiAmt=0

self.PosiCost=0

self.Profit=0

#self.nStep = 0

self.Loop=0

self.MaxCost=0

self.ProfitRate=0

self.start_time = self.KeyVal[0][self.nStep]

self.end_time = self.KeyVal[0][self.ValSize - 1]

self.finalCloseP = 0.0

while self.nStep < self.ValSize:

Key = self.KeyVal[0][self.nStep]

Val = self.KeyVal[1][self.nStep]

self.finalCloseP = Val

self.CountLoop(Key)

if self.TriggerClose(Val):

self.DoClose(Val)

if self.TriggerBuy(Key):

self.PosiAmt = self.PosiAmt+self.BuyAmt / Val

self.PosiCost = self.PosiCost + self.BuyAmt #self.BuyAmt*Val

self.nStep = self.nStep + 1

self.DoClose(self.finalCloseP)

#print("loop:%d" % self.Loop)

return self.ProfitRate

四、评估测算结果举例：

以

易方达消费行业股票（110022

）作为测试用例进行模拟下单测算，得到如下结果：

一年内该基金的定投最大收益率为-16.69%，最低收益率为-17.24%。“空仓躺赢”得到充分验证。

二年内该基金的定投最大收益率为7.35%，最佳止盈率为30%，若每次定投1000元，那么最大占用资金为56000元。最佳投资日期为星期四。最糟糕的定投策略是止盈率设置在了40%以上，并且定投日期为星期五，两年来的定投收益率为-9.65%。可见定投策略对于投资收益影响非常大！！

三年内该基金的定投最大收益率为56.06%，最佳止盈率为60.00%，最大占用资金103000元，最佳投资日期为星期四。

该基金成立以来定投最大收益率为113%，最佳止盈率为70.00%，最大占用资金228000，最佳投资日期为星期三。

根据评测的结果，大家可以根据自身的资金额度设置定投策略，并且在触发止盈率的时候理性止盈。虽然在2018年熊市的影响下基金市场一片惨淡，但随着政策底的逐渐明朗，希望大家在2019年能够抓住机会，画出一条完美的“微笑曲线”。

此外，笔者还对其他不同类型的基金进行了测算，这里就不一一介绍，感兴趣的朋友可以根据以上的策略自行模拟。

fundID = '110022' #易方达消费

fundID = '020003' #国泰金龙

fundID = '000742' #国泰新经济

fundID = '519068' #汇添富成长

fundID = '160212' #国泰估值优势LOF

fundID = '020026' #国泰成长

fundID = '110011' #易方达中小盘

fundID = '161725' #招商中证白酒

fundID = '519193' #纳斯达克QDII

fundID = '005176' #国富精准医疗灵活配置混合

fundID = '003096' #中欧医疗健康混合C

仪器影像仪

ogp投影仪

光学影像