Python | 怎么在基金定投上实现收益最大化

作者：Samshare
公众号：SAMshare

个人兴趣专栏
本期对于股市基金定投进行进一步分析，试图找到投资赚钱的规律哈哈哈～

[h1] Index[/h1]

分析思路阐述
是否存在最合适的定投周期？
设置多少止盈点较为合适？
其他策略
本文总结

[h1] 分析思路阐述[/h1]继上一篇文章《Python在基金定投上的验证》，我们今天讨论一下更加深入的Ideas，总结来说主要有两点：
1）是否存在最合适的定投周期？
2）我们到底要设置多少止盈点较为合适？
什么意思呢？我们展开来说，
对于第一点：是否存在最合适的定投周期？
基金定投作为"懒人理财"的头号玩家，当然得贯彻其"懒人"思维，我们想知道到底定投多久，才能说大概率地获得较为满意的收益。
这里有几个点需要理一下：

入场的随机性：因为涉及到实际操作，每个人的入场时间不尽相同，所以这里探讨最合适的定投周期，要考虑入场时机的随机性。
指数的异质性：我们讨论的是指数基金，但不同的指数之间，也是可能会存在不一样的性质，这里也要考虑。
人性的弱点：因为是定投，实际操作的还是人，所以当定投期结束时，是否会因为当前是所谓的"上涨"or"下跌"行情而纠结？
何为"满意的收益”：如何判断“满意”呢，不同人对满意的态度不同，如何定义一个基准。

针对以上的几点，我在自己思考后给出了下面的验证方式：

在指定的定投周期内（定投周期为0.5年的整数倍），遍历所有可能的入场点，卖出点取离场点当月的指数均值，如果收益率大于余额宝定存相同周期时间内的收益的，即为之"满意"，同时验证多几个指数。

简单解释一下，我们验证的定投周期，均是0.5年的整数倍，比如定投1年、1.5年、2年等等，买入日期，选择月初，而卖出点，不会是最后的那个月的月初，而是取其当月的指数均值，比如2019年1月1日开始定投，定投1年，那么卖出点就是2020年1月的指数均值，就是为了防止有的人因为当时股价变化而出现的纠结情绪。
当指数基金定投收益率大于余额宝定存收益率的，记为1，为我们的正样本，反之则记为0，为我们的负样本。我们就来统计一下，不同的定投周期，正负样本的比例关系，看下怎么样的定投周期，具备较大概率的"满意"结果！
对于第二点：我们到底要设置多少止盈点较为合适？
关于这点，我们就是为了找出多少的止盈点较为合适。这个结合我们上篇文章的内容，我们知道如果我们定投的周期越长，收益率当然就是越大的，所以，不同定投周期之间的收益率没有可比性。所以我们需要指定一个定投周期（姑且我们用第一点得到的"最优"定投周期N来作为我们的观测周期）。
我们的验证方式：

在指定的定投周期内，遍历所有可能的入场点，卖出点取离场点当月的指数均值，记录此时的收益率情况，统计收益率的大概率集中区间，即为我们的参考止盈点。

接下来，我们就针对以上的2个内容，来用python代码验证一波。（：show time～）

[h1] 是否存在最合适的定投周期？[/h1][h2]1. 导入相关库[/h2]

1# -*- coding: UTF-8 -*- 2import matplotlib as mpl 3import matplotlib.pyplot as plt 4import pandas as pd 5import numpy as np 6import tushare as ts 7from datetime import datetime 8 9#解决中文显示问题，Mac10%matplotlib inline11from matplotlib.font_manager import FontProperties1213plt.rcParams['figure.figsize'] = (10.0, 4.0) # 设置figure_size尺寸14plt.rcParams['image.interpolation'] = 'nearest' # 设置 interpolation style15plt.rcParams['image.cmap'] = 'gray' # 设置颜色 style16plt.rcParams['savefig.dpi'] = 100 #图片像素17plt.rcParams['figure.dpi'] = 100 #分辨率1819# 利用plotly绘图20import plotly.offline as of21import plotly.graph_objs as go

复制代码

[h2]2. 数据获取[/h2]这里还是适用Tushare的接口来获取数据，具体代码如下：

1# 设置token 2ts.set_token('your token') 3 4# 初始化接口 5pro = ts.pro_api() 6 7# 获取基本信息 8sh_basic = pro.index_basic(market='SSE') # 上交所 9sz_basic = pro.index_basic(market='SZSE') # 深交所101112# 000001.SH 上证综指13# 399001.SZ 深证成指14data_sh = pro.index_daily(ts_code='000001.SH', start_date='19901219', end_date='20190401')15data_sz = pro.index_daily(ts_code='399001.SZ', start_date='19901219', end_date='20190401')16data_sh.head()

复制代码

[h2]3. 代码封装[/h2]对上面提及的验证方式进行逻辑封装：

1def Log_of_AIP(data, n, money): 2 ''' 3 data：测试数据集，即指数历史走势数据 4 n：定投周期，6个月的整数倍，如n=1代表定投6个月 5 money：定投金额 6 ''' 7 8 data = data.loc[:,['open','trade_date']] 9 data['trade_month'] = data['trade_date'].apply(lambda x:str(x)[0:6])10 data['date'] = data['trade_date'].apply(lambda x:datetime.strptime(x,'%Y%m%d'))11 data = data.set_index('date').sort_index()1213 # 假设余额宝的年化收益率为 4%14 data['余额宝利率'] = (4.0/100+1)**(1.0/250)-1 15 data['理财收益_净值'] = (data['余额宝利率']+1).cumprod()1617 # 选择每个月的第一个交易日进行定投18 trading_day = data.resample('M', kind='date').first()1920 # 确定循环次数，因为得保证满足定投周期21 try:22 All_Sales = pd.DataFrame()23 for i in range(len(trading_day) - (6*n)):24 # 在定投周期结束后一个月卖出25 trading_cycle = trading_day.iloc[i:i+6*n+1] 2627 # 计算卖出点下个月的指数均值28 in_month = data[data['trade_month']==list(trading_cycle['trade_month'][-1:])[0]]29 sales_point = in_month.pivot_table(values='open', index='trade_month').mean().values[0]303132 # 定投指数基金33 AIP = pd.DataFrame(index=trading_cycle.index)34 AIP['定投金额'] = int(money)3536 # 以基金当天的开盘价作为当天买入的价格37 AIP['基金价格'] = trading_cycle['open']38 AIP['购买基金份额'] = AIP['定投金额']/AIP['基金价格']39 AIP['累计基金份额'] = AIP['购买基金份额'].cumsum()4041 # 定期购买理财产品42 AIP['购买理财产品份额'] = AIP['定投金额']/trading_cycle['理财收益_净值']43 AIP['累计理财产品份额'] = AIP['购买理财产品份额'].cumsum()4445 # 累计投入本金46 AIP['累计定投本金'] = AIP['定投金额'].cumsum()4748 # 计算每个交易日的本息（即本金+利息，公式=当天的份额 X 当天的基金价格）49 result = pd.concat([trading_cycle, AIP], axis=1)50 result['基金本息'] = (result['open'] * result['累计基金份额']).astype('int')51 result['理财本息'] = (result['理财收益_净值'] * result['累计理财产品份额']).astype('int')5253 # 买入点 result['trade_date'][0]54 # 定投周期（月） 6*n55 # 定投投入本金 result['累计定投本金'][-2:-1][0]56 # 基金卖出后本息 result['累计基金份额'][-2:-1][0] * sales_point57 # 余额宝卖出后本息 result['理财本息'][-2:-1][0]585960 Each_Sales = pd.DataFrame([[result['trade_date'][0], 61 6*n, 62 result['累计定投本金'][-2:-1][0],63 result['累计基金份额'][-2:-1][0] * sales_point, 64 result['理财本息'][-2:-1][0]]], 65 columns=['买入点','定投周期(月)', '累计定投本金', '基金卖出后本息', '余额宝卖出后本息'])66 Each_Sales['基金收益率%'] = 100*(Each_Sales['基金卖出后本息'][0]/Each_Sales['累计定投本金'][0] - 1)67 Each_Sales['余额宝收益率%'] = 100*(Each_Sales['余额宝卖出后本息'][0]/Each_Sales['累计定投本金'][0] - 1)68 Each_Sales['LikeOrNot'] = Each_Sales['基金卖出后本息'] > Each_Sales['余额宝卖出后本息'] 69 All_Sales = All_Sales.append(Each_Sales)7071 return All_Sales7273 except:74 print("定投周期大于历史股价走势！请重新设置定投周期。")757677def Rate_of_Like(data, money):78 data= data79 money= money8081 Rate_of_like = pd.DataFrame()82 for i in range(int(len(trading_day)/6)):83 tt = Log_of_AIP(data_sh, i+1, 2000)84 rate = pd.DataFrame([[(i+1)*6, (tt['LikeOrNot'].value_counts()/len(tt))[True]]], 85 columns=['定投周期(月)','定投基金满意占比'])86 Rate_of_like = Rate_of_like.append(rate)87 return Rate_of_like

复制代码

[h2]4. 函数调用&猜想验证[/h2]

1rate_of_sh = Rate_of_Like(data_sh, 2000)2rate_of_sh.head()

复制代码

1# 绘制定投满意概率图 2of.offline.init_notebook_mode(connected=True) 3 4trace1 = go.Scatter( 5 x=rate_of_sh['定投周期(月)'], 6 y=rate_of_sh['定投基金满意占比'], 7 mode = 'lines+markers', 8 name = '定投基金满意的次数占比' 9)10data = go.Data([trace1])1112layout = dict(title = '是否存在最合适的定投周期？',13 yaxis = dict(showgrid=True, #网格14 zeroline=False, #是否显示基线,即沿着(0,0)画出x轴和y轴15 nticks=20,16 showline=True,17 title='定投基金满意的次数占比'),1819 xaxis = dict(showgrid=True, #网格20 zeroline=False, #是否显示基线,即沿着(0,0)画出x轴和y轴21 nticks=20,22 showline=True,23 title='定投周期(月)')24 )25fig = dict(data=data, layout=layout)26of.plot(fig, filename='rate_of_like')

复制代码

上面，我只是验证了上证综指，从数据中可以看出，当定投周期超出240个月，即20年，我们获得满意（即定投收益跑赢余额宝定存收益）的基金定投的概率超出80%！
此外，我们看到，好像定投周期在300个月以上，获得满意的概率竟然得到了100%，但是我们知道这不太符合实际，原因是因为这基本是从上证开盘就开始定投，也不太满足我们的实际操作。
综上所述：（针对上证综指）

定投周期在50个月之内的，获得满意的概率是一半一半，定投的威力还没体现出来；
当定投周期在60个月左右的满意概率与定投60～120个月的满意概率差不多；
定投240个月左右的满意概率可以达到80%，定投的威力终于来了！

[h1] 设置多少止盈点较为合适？[/h1][h2]1. 函数调用[/h2]

1log = Log_of_AIP(data_sh, 40, 2000) 2log = log.sort_values(['基金收益率%']) 3 4# 转化为密度函数，以10%为一个单位 5log['density'] = log['基金收益率%'].apply(lambda x:int(x/10)) 6log2 = log.pivot_table(values='LikeOrNot', index='density', aggfunc=len).reset_index() 7log2['density2'] = log2['density'].apply(lambda x:str(10*x) +'%~'+str(10*(x+1)) + '%') 8 9# 帕累托图10log2['density3'] = log2['density'].cumsum()11log2['density4'] = log2['density3']/(log2.tail(1).reset_index()['density3'][0])12log2

复制代码

[h2]2. 猜想绘制[/h2]这里只是贴了其中一个绘制代码：

1# 绘制收益分布图 2of.offline.init_notebook_mode(connected=True) 3 4trace1 = go.Scatter( 5 x = pd.Series(range(len(log))), 6 y = log['基金收益率%'], 7 mode = 'markers', 8 name = '基金收益率分布图' 9)1011trace2 = go.Scatter(12 x = pd.Series(range(len(log))),13 y = log['余额宝收益率%'],14 mode = 'markers',15 name = '余额宝收益率分布图'16)1718data = go.Data([trace1,trace2])1920layout = dict(title = '设置多少止盈点较为合适？',21 yaxis = dict(showgrid=True, #网格22 zeroline=False, #是否显示基线,即沿着(0,0)画出x轴和y轴23 nticks=20,24 showline=True,25 title='投资收益率%'),2627 xaxis = dict(showgrid=True, #网格28 zeroline=False, #是否显示基线,即沿着(0,0)画出x轴和y轴29 nticks=20,30 showline=True,31 title='迭代次数'32 )33 )34fig = dict(data=data, layout=layout)35of.plot(fig,filename='log')

复制代码

我们按照定投最优的周期（240个月）来进行止盈点的计算，从上图可以看出，余额宝在定投240个月后，收益率大概维持在50%左右，而基金大多数的收益率都是大于余额宝的。

根据基金的收益率，我进行了密度转换，可以看出，我们的收益率，大致都是集中在60～70%之间。
综上所述：（针对上证综指）

定投20年基金，大概率（80%）水平上会获得比余额宝要好得多的收益；
定投20年基金，止盈点定在80～90%，发生的可能性为80%；
定投20年基金，止盈点定在130～140%，发生的可能性为50%；
定投20年基金，止盈点定在200～210%，发生的可能性为20%；

[h1] 其他策略[/h1]此外，我也从网上看到了其他更佳复杂的投资策略，这里就先不验证，先放出来给大家参考，下次一起验证：
方法一：高抛低吸降成本
熊市中，不要相信某一次上涨行情可能是新一轮牛市的开端，牛市的到来远远比你想象的要遥远。对于部分套牢的基金，建议在反弹10%以上时，逐步卖出，保留一部分底仓。然后遇到下跌，再买回来。这样做，大概率上会降低成本。
要牢牢记住，反弹多了就减仓，就算你很不幸，卖在了牛市的起步阶段，你也可以在牛市行情确立的时候再买回来。
这样高抛低吸的来回交易，对主动管理型基金来说，成本费用太高。建议买入创业板ETF或者中小板ETF，手续费更便宜。
方法二：10%补仓法
不断进行补仓，使亏损比例控制在10%以内，然后一个10%的反弹就解套了。是不是很简单？缺点就是要有足够的资金。

[h1] 本文总结[/h1]我们通过上述的验证，大致可以得到下面的结论，当然这个结论是针对上证综指的，按道理我应该看过几个指数，但是授之以鱼不如授之以渔，方法都在代码里，大家不妨自己动手试试？自己得到一些结论不是来得更有feel不

定投周期在50个月之内的，定投跑赢余额宝的概率是50%；
当定投周期在60个月（5年）左右的满意概率与定投60～120个月的满意概率差不多，大概是65%；
定投240个月（20年）左右的满意概率可以达到80%，大概率水平上会获得比余额宝要好得多的收益！
定投20年基金，止盈点定在80～90%，发生的可能性为80%；
定投20年基金，止盈点定在130～140%，发生的可能性为50%；
定投20年基金，止盈点定在200～210%，发生的可能性为20%；

感谢阅读
推荐阅读：
1：漫话：程序员要失业了？？！机器人开始在GitHub上修Bug了。
2：非科系大学生如何学编程？
3：阿里入职的第一年，这是你想要的职场生活吗？
4：2018年Python爱好者社区历史文章合集（作者篇）
5：2018年终精心整理|Python爱好者社区历史文章合集（类型篇）