生活随笔
收集整理的這篇文章主要介紹了
量化投资之定投，无脑却收益还不错，记得周三来
小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
目標(biāo)：
本系列開(kāi)始重點(diǎn)研究量化，逐步改善模型，改善策略，然后評(píng)估各個(gè)策略的優(yōu)劣。 本文是第一篇，也是最容易最無(wú)腦投資的一篇，每周三定投，收益還不錯(cuò)。
內(nèi)容：
如果工作太忙沒(méi)法投資，閑錢無(wú)處放，不妨看看這這種方式。
學(xué)金融的都知道最簡(jiǎn)單靠譜的投資方式：定投。
是否真有效？假期封在家，做了下實(shí)驗(yàn)。
假設(shè)每周，通過(guò)支付寶線下買基金定投1000，從15年元旦開(kāi)始。就投創(chuàng)業(yè)板吧，虧錢了就當(dāng)給科技做貢獻(xiàn)。要知道15年可是股災(zāi)年，19年也是，經(jīng)歷了2次股災(zāi)還能有收益嗎？一起來(lái)看看到今天2020-02-07，收益如何？
圖1為指數(shù)行情，證明數(shù)據(jù)沒(méi)有錯(cuò)。
圖2為定投VS年化5%無(wú)風(fēng)險(xiǎn)收益的對(duì)比圖。可見(jiàn)，定投確實(shí)收益超過(guò)存定期。
圖3為定投選星期幾呢？國(guó)外有個(gè)著名的“周四效應(yīng)”，而在創(chuàng)業(yè)板中，最好的卻是周三！國(guó)外的月亮比一定在國(guó)內(nèi)元。最差周一、周五。差值能達(dá)到20000元。
圖4為定投的純收益，虧損最多的是在19年初那次股災(zāi)。
圖5為收益率曲線，也可以看出周三的收益率最好。
圖6為收益率，定投最多也能虧40%，讓人有點(diǎn)崩潰吧。
為啥定投很少有人堅(jiān)持？2016-2020年4年都在虧錢，好多人的心理早已崩潰，心理承受能力早已塌陷。但曙光就在后面。
這種機(jī)械式定投顯然不是很好的辦法。但確實(shí)也有賺錢機(jī)會(huì)。
股市有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。
改進(jìn)措施：
最大回撤=82% - （-39%） = 120%。策略波動(dòng)太大。 虧錢源自于高價(jià)位買太多，低價(jià)位買太少，所以機(jī)械的每次買一樣的金額，明顯不好，可以考慮增加彈性，高價(jià)位買少，低價(jià)位買多。這樣最大回撤能小很多。 下篇見(jiàn)。
代碼：
實(shí)驗(yàn)數(shù)據(jù)此處下載：鏈接：https://pan.baidu.com/s/1yVThgukzc3iXFhjHMLVONA
提取碼：1234
"""
作者：luoji
日期：2022年02月06日
"""import pandas
as pd
import time
import matplotlib
.pyplot
as plt
import matplotlib
as mpl
from matplotlib
.ticker
import FuncFormatter
mpl
.rcParams
['font.sans-serif'] = ['KaiTi']
mpl
.rcParams
['font.serif'] = ['KaiTi']
mpl
.rcParams
['axes.unicode_minus'] = False
dateTOBegin
= '2015-01-01' data
= pd
.read_csv
('C:\\LuojiPythonProject\\AGuquant\\data\\399006.csv', encoding
='UTF-8', index_col
=0)
print(data
.head
(5))data
['trade_date'] = pd
.to_datetime
(data
['trade_date'], format='%Y%m%d')
print(data
['trade_date'])
data
= data
[data
['trade_date'] >= dateTOBegin
] data
= data
.set_index
('trade_date') print(data
.head
(5))
print(data
.index
)
print(data
.columns
) data
= data
.sort_values
(['trade_date'], ascending
=True)
print(data
.head
(5))figure
= plt
.figure
(1)
data
['close'].plot
(title
='創(chuàng)業(yè)板指數(shù)價(jià)格', xlabel
='交易日期', ylabel
='價(jià)格', legend
='收盤價(jià)', grid
=True)
print(data
.columns
)
data
['trade_date'] = data
.index
listWeekDay
= ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday']
data
['day_of_week'] = data
['trade_date'].dt
.dayofweek
data
['day_of_week'] = data
['day_of_week'].map(lambda x
: listWeekDay
[x
])
print(data
.head
(5))baseCapital
= 1000 for i
in range(5):principal
= 'principal_on_' + listWeekDay
[i
] data
[principal
] = 0 bugAmount
= 'bug_amount_on_' + listWeekDay
[i
] data
[bugAmount
] = 0 for i
in range(5):day
= listWeekDay
[i
] bugAmount
= 'bug_amount_on_' + listWeekDay
[i
] principal
= 'principal_on_' + listWeekDay
[i
] data
.loc
[data
['day_of_week'] == day
, principal
] = baseCapital data
.loc
[data
['day_of_week'] == day
, bugAmount
] = baseCapital
/ data
[data
['day_of_week'] == day
]['close']
print(data
.head
(10))
print(data
.columns
)for i
in range(5):accumulateAmount
= 'accumulate_amount_' + listWeekDay
[i
] bugAmount
= 'bug_amount_on_' + listWeekDay
[i
] data
[accumulateAmount
] = data
[bugAmount
].cumsum
() marketValue
= 'market_value_on_' + listWeekDay
[i
] data
[marketValue
] = data
['close'] * data
[accumulateAmount
] figure
= plt
.figure
(2)
for i
in range(5):marketValue
= 'market_value_on_' + listWeekDay
[i
] data
[marketValue
].plot
(title
='定投市值', xlabel
='交易日期', ylabel
='市值', legend
=marketValue
, grid
=True)
data
['no_risk_principal'] = 0
data
.loc
[data
['day_of_week'] == 'Monday', 'no_risk_principal'] = baseCapital
data
['no_risk_accumulate_principal'] = data
['no_risk_principal'].cumsum
()
no_risk_rate
= 0.05
no_risk_rate_daily
= no_risk_rate
/ 200
data
['no_risk_profit_everyday'] = data
['no_risk_accumulate_principal'] * no_risk_rate_daily
data
['no_risk_profit'] = data
['no_risk_profit_everyday'].cumsum
()
data
['no_risk_market_value'] = data
['no_risk_accumulate_principal'] + data
['no_risk_profit']
data
['no_risk_market_value'].plot
(xlabel
='交易日期', ylabel
='市值', legend
='5%_no_risk_market_value', grid
=True)
data
['no_risk_accumulate_principal'].plot
(xlabel
='交易日期', ylabel
='市值', legend
='無(wú)風(fēng)險(xiǎn)本金', grid
=True)
for i
in range(5):principal
= 'principal_on_' + listWeekDay
[i
] accumulate_principal
= 'accumulate_principal_' + listWeekDay
[i
] data
[accumulate_principal
] = data
[principal
].cumsum
() marketValue
= 'market_value_on_' + listWeekDay
[i
] profit
= 'profit_on_' + listWeekDay
[i
] data
[profit
] = data
[marketValue
] - data
[accumulate_principal
] profit_rate
= 'profit_rate_on_' + listWeekDay
[i
] data
[profit_rate
] = data
[profit
] / data
[accumulate_principal
] figure
= plt
.figure
(3)
for i
in range(5):profit
= 'profit_on_' + listWeekDay
[i
]data
[profit
].plot
(title
='定投收益', xlabel
='交易日期', ylabel
='收益（元）', legend
=profit
, grid
=True)data
['no_risk_profit_rate'] = data
['no_risk_profit'] / data
['no_risk_accumulate_principal']
data
['no_risk_profit'].plot
(title
='定投收益', xlabel
='交易日期', ylabel
='收益（元）', legend
='5% no_risk_profit', grid
=True)figure
= plt
.figure
(4)
for i
in range(5):profit_rate
= 'profit_rate_on_' + listWeekDay
[i
]data
[profit_rate
].plot
(title
='定投收益率', xlabel
='交易日期', ylabel
='收益率', legend
=profit_rate
, grid
=True)data
['no_risk_profit_rate'].plot
(xlabel
='交易日期', ylabel
='收益率', legend
='5% no_risk_profit_rate', grid
=True)def to_percent(temp
, position
): return '%1.0f' % (100 * temp
) + '%'plt
.gca
().yaxis
.set_major_formatter
(FuncFormatter
(to_percent
))
plt
.show
()
產(chǎn)出：
如果資金有計(jì)劃近期不會(huì)使用，可以考慮研究一下如何投資。
修改一下代碼，如果我們2018-01-01年開(kāi)始定投，會(huì)怎么樣？
收益更好，能達(dá)到50%。
總結(jié)
以上是生活随笔為你收集整理的量化投资之定投，无脑却收益还不错，记得周三来的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。
