1、导入基金数据，形成DataFrame数据形式df，数据包含日期和每一日的基金净值；
注：任何一直创业板指数基金的数据都可以，大同小异。
df = pd.read_excel(r"D:\python\fund_110026.xls") #导入excel表格
print("导入数据完成！")
并落实看是否需要逆序操作，确保第一行为最老的日期。
2、构造定投信号模块
为df数据新增一列“invest”，用来存储定投信号；
比如，每周一次定投，将定投日的信号“invest”设置为1，其余非定投日设置为0。
df.at[indexs,'invest'] = 1
3、构造定投模块；
1）构造收益计算模块，为df数据增加收益数据；
计算过程为：增加多列数据：每日的累计定投份额，每日的基金价值，每日的累计投入资金等，最后计算总收益率，年化收益率。
df2.at[indexs,'total_yield_rate'] = (df2.at[indexs,'total_value'] - df2.at[indexs,'total_invest']) / df2.at[indexs,'total_invest']
df2.at[indexs,'annual_yield'] = df2.at[indexs,'total_yield_rate'] * 365 / int(df2.at[indexs,'days'].days)
2）设置清仓条件，当符合清仓条件时，将定投的收益模块终值定投；
获得清仓时的日期，从而获得清仓与第一次开始定投的时间差，获得真实的清仓日历天数，清仓时的真实总收益和真实年化收益率等信息。
if ((int(df2.at[indexs,'days'].days) > 60) and (df2.at[indexs,'total_yield_rate'] > 0.5))and (df2.at[indexs,'annual_yield'] > 0.2):
indexs_sign = indexs
break;
4、构建不同日期开始定投的反复定投程序；
可设置清仓条件，将条件传入收益计算模块。
每一个开始日期，调用一次定投模块，最后形成一个新的DataFrame数据，存储每一个日期（开始定投）及其对应的清仓日历天数，真实总收益和真实年化收益率。
df5 = df1.iloc[i:(len(df1)-1)] #选取第i行到最后一行的数据
5、统计所有日期的清仓天数的数据特征。
包括平均清仓周期，最大清仓周期，最小清仓周期，清仓周期中位数等。
甚至可以利用统计函数得出概率最大的清仓周期。
days_mean = df100['days'].mean()
days_median = df100['days'].median()
6、最后，可以变换不同的清仓条件（总收益率和年化收益率），寻找每一种组合下的清仓周期，最后通过下列条件来确定清仓条件。
1）确保无论哪一天投入都不会出现无法卖出的情况；
2）确保清仓周期不会过长（比如大于3年半）；
3）满足前两个条件下能获得更好的年化收益率，并确定对应的最大概率的清仓周期，清仓周期区间（用于一笔资金分批投入时，衡量单笔资金量）。
网友评论