600字范文,内容丰富有趣,生活中的好帮手!
600字范文 > python 基金量化分析_「Python量化」怎么在基金定投上实现收益最大化

python 基金量化分析_「Python量化」怎么在基金定投上实现收益最大化

时间:2021-01-08 06:04:16

相关推荐

python 基金量化分析_「Python量化」怎么在基金定投上实现收益最大化

我们也会有恐惧和贪婪,只不过在别人贪婪的时候我们恐惧,在别人恐惧的时候我们贪婪。——巴菲特

引言

继上一篇文章《

Python数说指数定投策略》,今天为大家分享一篇推文(原文来源:SAMshare),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1月1日开始定投,定投1年,那么卖出点就是2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~)

是否存在最合适的定投周期?

1. 导入相关库

2. 数据获取

这里还是适用Tushare的接口来获取数据,具体代码如下:

3. 代码封装

对上面提及的验证方式进行逻辑封装:

4. 函数调用&猜想验证

打开搜狗搜索APP,查看更多精彩资讯

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,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!

设置多少止盈点较为合适?

1. 函数调用

2. 猜想绘制

这里只是贴了其中一个绘制代码:

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;

定投基金,止盈点定在80~90%,发生的可能性为80%;

定投基金,止盈点定在130~140%,发生的可能性为50%;

定投基金,止盈点定在200~210%,发生的可能性为20%;

其他策略

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。

本文总结

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()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!

定投基金,止盈点定在80~90%,发生的可能性为80%;

定投基金,止盈点定在130~140%,发生的可能性为50%;

定投基金,止盈点定在200~210%,发生的可能性为20%;

Reference深度实战,当下最好的投资策略 — 复利人生

Python在基金定投上的验证

关于Python金融量化

专注于分享Python在金融量化领域的应用。加入知识星球,可以免费获取30多g的量化投资视频资料、公众号文章Python完整源码、量化投资前沿分析框架,与博主直接交流、结识圈内朋友等。

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。