024 实战一，使用理杏仁数据模拟基金定投

本节难度有点大，写这篇文章也断断续续用了几天时间，所以大家不要压力太大，可以慢慢理解，多看几天也可以。

前面我们学习了网络访问和 Excel 文档操作，这节我们来综合运用一下这两部分内容。

这节课我们主要来模拟一下指数基金中证500（000905）的定投。

所谓基金定投，无非就是价格低的时候，定期投入，价格高的时候卖出。这种策略又叫微笑曲线，不了解微笑曲线的同学，可以上网搜一下。注意，微笑曲线很适合用于指数基金，其他的基金就不好说了。

判断价格高低，有的人用市盈率分位点，有的用市净率分位点，有的甚至用这两者的平均数。我们首先要从理杏仁的网站上获取这些数据。

和 21 节一样，我们首先找到对应的接口地址：

然后，配置好相应的参数，先获取五个交易日的数据，用来观察数据字典格式：

获得的字典数据的每条数据的意义，在这个接口文档里都有解释。大家可以拷贝参数配置试一试：

{ 'token': '这里替换为您的理杏仁token', 'startDate': '2020-12-16', 'endDate': '2020-12-23', 'stockCodes': [ '000905' ], 'metricsList': [ 'cp', 'pe_ttm.y10.mcw', 'pb.y10.mcw' ] }

接下来我们根据上面的接口，写一个程序，将过去十年的中证500数据，从网络上获取下来，并保存到 Excel 文档中备用：

import requests import json from openpyxl import Workbook # token 和接口地址 token = '这里替换为您的理杏仁token' url = 'https://open./api/a/index/fundamental' # 指定返回格式 headers = {  'Content-Type': 'application/json' } # 设置参数 data = {  'token': token, # token，即登录信息  'startDate': '2010-12-23',  'endDate': '2020-12-23',  'stockCodes': [    '000905'  ],  'metricsList': [    'cp',    'pe_ttm.y10.mcw',    'pb.y10.mcw'  ] } # 网络访问 res = requests.post(url, headers=headers, data=json.dumps(data)) # 打印获得的数据 data = res.json() print(data) # 声明要保存的数据 excel_data = [] # 打印结果 for item in data['data']:  # 保存日期、指数点位、市盈率、市盈率分位点、市净率、市净率分位点  row = [item['date'][:10], item['cp'], item['pe_ttm']['y10']['mcw']['cv'], item['pe_ttm']['y10']['mcw']['cvpos'],    item['pb']['y10']['mcw']['cv'], item['pb']['y10']['mcw']['cvpos']]  excel_data.append(row) # 反转列表，因为原始数据是根据日期从近到远的排序 excel_data.reverse() # 创建Excel文档 wb = Workbook() sheet = wb.active sheet.title = '指数数据' # 写入表头 sheet.append(['日期', '指数点位', '市盈率', '市盈率分位点', '市净率', '市净率分位点']) # 写入多行数据 for row in excel_data:  sheet.append(row) # 保存 Excel 文件 wb.save('指数数据.xlsx')

最终获得的 Excel 文档部分数据如下：

既然数据已经到手了，接下来我们开始准备模拟基金定投。

首先我们来确定一个策略，即从微笑策略中的多种方法选一个：

• 定投周期 - 每周一定投一次，当天没开市则略过

• 定投金额 - 市盈率分位点 0 到 0.1 ，定投500元，0.1 到 0.2 定投200元，0.2 到 0.3 定投100元

• 卖出时机 - 市盈率分位点 0.6 到 0.7 卖出四分之一，0.7 到 0.8 卖出二分之一，0.8 以上卖出四分之一

• 手续费 - 我们使用场外基金进行模拟，假设每次买入卖出手续费都是千分之一，当然，场内基金手续费更低一些，但是每次必须买100份的整数倍，不方便模拟，场外基金最少买一元，比如现价5元，你可以买 0.2 份，如果是场外，最少买100份

指数数据中没有价格，但是我们知道价格和点位是成正比的，所以我们可以把价格除以1000，假定为其价格。

下面是模拟基金定投的代码，里面有详细的注释，请大家细细理解：

fund.py（这部分代码比较多，所以先创建了一个模块）

# 创建一个类，用来保存每天的操作数据，面向对象的知识，大家不会忘了吧 classFundData:    # 日期    date = ''    # 价格    price = 0.0    # 市盈率分位点    position = 0.0    # 操作类型：1，买入，2，卖出    option = 0    # 操作金额    amount = 0.0    # 操作份额    volume = 0.0    # 手续费    fee = 0.0    # 总手续费    feeTotal = 0.0    # 总成本    amountTotal = 0.0    # 总份额    volumeTotal = 0.0    # 入袋盈利    profit = 0.0    # 历史最大本金    amountMax = 0.0    def__str__(self):        str = ''        ifself.option == 1:            str = '买入'        else:            str = '卖出'        # %.2f 意思是保留两位小数的浮点型数字        dataStr = '日期: %s, 价格: %.2f, 分位点: %.2f, %s%.2f份, 浮动盈利%.02f元'        return dataStr % (self.date, self.price, self.position, str, self.volume, self.volumeTotal*self.price-self.amountTotal) defbuyFund(lastData, data, amount):    data.option = 1    data.amount = amount    # 注意把手续费算好    data.fee = data.amount * 0.001    data.volume = (data.amount - data.fee)/data.price    # 下面记录好总的手续费、总成本、总份额    data.feeTotal = data.fee + lastData.feeTotal    data.amountTotal = data.amount + lastData.amountTotal    data.volumeTotal = data.volume + lastData.volumeTotal    if data.amountTotal > lastData.amountMax:        data.amountMax = data.amountTotal    else:        data.amountMax = lastData.amountMax    data.profit = lastData.profit    return data defsellFund(lastData, data, volumeRate):    data.option = 2    data.volume = lastData.volumeTotal * volumeRate    data.amount = data.volume * data.price    data.fee = data.amount * 0.001    # 计算盈利    data.profit = lastData.profit + data.volume * data.price - lastData.amountTotal * volumeRate - data.fee    # 下面记录好总的手续费、总份额、总成本    data.feeTotal = data.fee + lastData.feeTotal    data.volumeTotal = lastData.volumeTotal - data.volume    # 卖出计算总成本时，要用平均价格，直接乘以份额比例也可以    data.amountTotal = lastData.amountTotal - lastData.amountTotal * volumeRate    data.amountMax = lastData.amountMax    # 矫正最后的数据，一般情况下是不需要的    if data.volumeTotal < 0.01:        data.volumeTotal = 0        data.amountTotal = 0    return data

main.py

from openpyxl import load_workbook import datetime from fund import FundData, buyFund, sellFund # 打开 Excel 文件和工作表 wb = load_workbook('指数数据.xlsx') sheet = wb['指数数据'] # 取出我们需要用到的数据 dataList = [] for i inrange(sheet.max_row):    if(i == 0):        # 第一行是表格标题，直接略过        continue    # 获取日期    date = sheet.cell(row=i+1, column=1)    # 字符串转日期    dateTime = datetime.datetime.strptime(date.value,'%Y-%m-%d')    # 不是周一则跳过（0 是周一，1 是周二，以此类推）    if(dateTime.weekday() != 0):        continue    data = FundData()    data.date = date.value    # 获取价格    price = sheet.cell(row=i+1, column=2)    data.price = float(price.value)/1000    # 获取市盈率分位点    position = sheet.cell(row=i+1, column=4)    data.position = float(position.value)    dataList.append(data) # 开始模拟 dataRecords = [] lastData = FundData() lastSellPosition = 0.0 for data in dataList:    if data.position <= 0.1:        # 买入500元的        data = buyFund(lastData, data, 500)        lastSellPosition = 0.0    elif data.position <= 0.2:        # 买入200元的        data = buyFund(lastData, data, 200)        lastSellPosition = 0.0    elif data.position <= 0.3:        # 买入100元的        data = buyFund(lastData, data, 100)        lastSellPosition = 0.0    elif data.position <= 0.6:        continue    elif data.position <= 0.7:        # 已经卖完了，或者当前阶段卖过了，不再重复卖        if lastData.volumeTotal == 0or lastSellPosition > 0.6:            continue        # 卖出四分之一        data = sellFund(lastData, data, 0.25)        lastSellPosition = data.position    elif data.position <= 0.8:        # 已经卖完了，或者当前阶段卖过了，不再重复卖        if lastData.volumeTotal == 0or lastSellPosition > 0.7:            continue        # 卖出一半，就是剩下的三分之二        data = sellFund(lastData, data, 0.66667)        lastSellPosition = data.position    else:        # 已经卖完了，或者当前阶段卖过了，不再重复卖        if lastData.volumeTotal == 0or lastSellPosition > 0.8:            continue        # 卖出四分之一，就是剩下的全部        data = sellFund(lastData, data, 1)        lastSellPosition = data.position    print(data)    lastData = data    dataRecords.append(data) print('最高投入金额: %.2f' % (lastData.amountMax)) print('手续费总计: %.2f' % (lastData.feeTotal)) # 计算盈利时应当算上浮动盈利 finalData = dataList[len(dataList)-1] profit = lastData.profit+lastData.volumeTotal*finalData.price-lastData.amountTotal print('总盈利: %.2f' % (profit)) rate = profit/lastData.amountMax/10 * 100 print('平均每年收益: %.2f%%' % (rate))

部分运行结果如下：

单看上面的运行结果，平均年收益并不高，只有9.23%。一方面是时间节点的问题，一般模拟测试应该用一个完整的牛熊周期，但是现在牛市还没有真正到来。另一方面，为了简便起见，我们用了投入最大金额当做是本金了，实际上应该用平均投入资金，因为最大投入金额是多年的总投入金额。

当然，实际应用中还有多种其他因素，会提高定投收益，比如多种指数基金混合定投，按分位点权重计算定投比例，或者历史新低时重仓投入一些，等等。这些就不细说了，大家重点把上面的代码给好好理解了。

然后作为今天的作业，大家根据自己的想法和策略测试一下沪深300的模拟。