### 使用Python实现ETF股票指数基金定投策略分析 #### 数据获取 对于ETF股票指数基金的数据获取，可以利用`jqdatasdk`库中的接口来查询所需的历史净值数据。例如，针对特定代码的公募基金净值数据可以通过如下方式取得： ```python from jqdatasdk import auth, get_fund_net_value auth('username', 'password') # 用户名密码替换为自己的账号信息 df = get_fund_net_value(code='fund_code_here', start_date='start_date_here', end_date='end_date_here') ``` 这里使用的是更简洁的方法直接通过`get_fund_net_value`函数获取指定时间段内的基金净值数据[^1]。 #### 定投策略模拟 构建一个简单的定期投资模型，假设每月固定日期买入一定金额的基金份额。下面是一个基本框架用于计算累计收益情况： ```python import pandas as pd import numpy as np def calculate_cumulative_return(df, monthly_investment=1000): """ 计算累积回报率 参数: df (DataFrame): 包含'net_value'(单位净值), 'date'(日期)列的数据框. monthly_investment (float): 每月投资额，默认值为1000元人民币. 返回: DataFrame: 新增了'invested_amount'(已投入总金额),'shares_held'(持有份额), 和'return_rate'(收益率)三列的结果表. """ # 初始化变量 invested_amount = 0 shares_held = 0 result_df = [] for index, row in df.iterrows(): date = row['date'] if date.day == 1 or ((date + pd.DateOffset(days=-1)).day >= 28 and date.month != (date + pd.DateOffset(days=-1)).month): # 如果是月初或月末最后一天，则执行定投操作 net_value = float(row['net_value']) # 更新已投资金总额和持有的基金份额数量 invested_amount += monthly_investment new_shares = monthly_investment / net_value shares_held += new_shares current_worth = shares_held * net_value return_rate = (current_worth - invested_amount) / invested_amount if invested_amount > 0 else 0 result_df.append({ "date": date, "invested_amount": invested_amount, "shares_held": shares_held, "return_rate": return_rate }) return pd.DataFrame(result_df) # 假设已经有一个包含历史净值数据的数据帧 `df` cumulative_returns = calculate_cumulative_return(df) print(cumulative_returns.tail()) ``` 此段代码实现了基于给定时间序列下的ETF基金净值变动来进行定期定量购买，并跟踪整个期间的投资表现。注意实际应用时还需要考虑手续费等因素的影响[^4]。 #### 结果可视化 为了更好地理解数据分析结果，可借助matplotlib或其他绘图工具绘制图表展示定投效果。以下是简单示例： ```python import matplotlib.pyplot as plt plt.figure(figsize=(10,6)) plt.plot(cumulative_returns['date'], cumulative_returns['return_rate']*100, label="Cumulative Return Rate (%)") plt.title("Monthly Fixed Investment Strategy Performance Over Time") plt.xlabel("Date") plt.ylabel("Return Rate (%)") plt.legend() plt.show() ``` 这段脚本会生成一张折线图，直观地显示出随时间变化而积累下来的平均年化收益率趋势。