1 前言

在前面的章節(jié)中我們牛刀小試，一直在使用python爬蟲去抓取數(shù)據(jù)，然后把數(shù)據(jù)信息存放在數(shù)據(jù)庫中，至此已經(jīng)完成了基本的基本信息的處理，接下來就來處理高級一點(diǎn)兒的內(nèi)容，今天就從基金的趨勢分析開始。

2 基金趨勢分析

基金的趨勢，就是選擇一些表現(xiàn)強(qiáng)勢的基金，什么樣的才是強(qiáng)勢呢？那就是要穩(wěn)定的，逐步的一路北上。通常情況下，基金都會沿著一條趨勢線向上或者向下，基金的趨勢形成比股票的趨勢更加確定一些。 以下圖為例，展示的是華夏中證新能源汽車ETF的走勢情況,可以看到這個基金的走勢基本上就是按照紅色的趨勢線。今天要做的就是使用數(shù)學(xué)-線性回歸的方式來計算這個趨勢的斜率以及趨勢表的可靠性。 

這里分析基金走勢的模型采用線性回歸，假定其走勢符合 { y = kx + b }y=kx+b , y 就是對應(yīng)的收益率， x 為時間。k 值為斜率?，F(xiàn)在要做的就是使用這組基金的數(shù)據(jù)計算這個k值，這樣就可以使用這個k值進(jìn)行基金的對比。

3 數(shù)據(jù)抓取與分析

3.1 基金數(shù)據(jù)抓取

抓取基金數(shù)據(jù)歷史收益率的數(shù)據(jù)

# 抓取基金歷史收益率數(shù)據(jù)連接
http://api.fund.eastmoney.com/pinzhong/LJSYLZS?fundCode=515030&indexcode=000300&type=y
# 參數(shù)說明
fundCode 為需要查詢的基金代碼
indexcode 基金對比基準(zhǔn)數(shù)據(jù),默認(rèn)為滬深300(000300)
type 為數(shù)據(jù)查詢的周期，m 一個月 q 3個月 hy 6個月 y 一年 try 3年 fiy 5年 sy 今年來 se 最大
復(fù)制代碼

在api接口返回的數(shù)據(jù)中，0 代表的是基金數(shù)據(jù)， 1 是同類基金的平均值，2 為滬深300的數(shù)據(jù)。

 具體的實(shí)現(xiàn)代碼見圖:

3.2 數(shù)據(jù)分析

數(shù)據(jù)分析的方式使用 matplotlib 和 sklearn.linear_model ,第一個是用于數(shù)據(jù)的圖形展示，第二個是線性分析工具，用于計算基金的k值。有關(guān)線性分析的內(nèi)容，有興趣的可以去查詢線性分析的計算細(xì)節(jié)。

如下圖所示，為數(shù)據(jù)模型計算和圖形展示的代碼。 

 以新能源ETF數(shù)據(jù)為例，我們得到了 y= 0.3541x + b 的趨勢線，這個線性模型的評分為0.741。其實(shí)這個評分已經(jīng)相當(dāng)高了，收益率越大，其波動越大，和線性規(guī)劃的契合度就越低。

 但是有沒有例外呢，以天弘增利短債C(008647)為例，其評分相當(dāng)高，看圖形展示就可以知道，但是債券基金的k值比股票基金的k值比是相當(dāng)?shù)牡?，高風(fēng)險，高回報，低風(fēng)險，低回報。收益是對風(fēng)險的補(bǔ)償。

4 總結(jié)

在這一章中，介紹了使用線性規(guī)劃的方式分析基金的趨勢情況，并使用量化分析的方法進(jìn)行基金的分析和篩選。最后可以使用這個方法對所以的基金進(jìn)行分析，篩選出趨勢性強(qiáng)的基金進(jìn)行投資。

到此這篇關(guān)于python數(shù)據(jù)分析之線性回歸選擇基金的文章就介紹到這了,更多相關(guān)python數(shù)據(jù)分析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論