抽取历史表现较好的债基

最近在研究债券型基金, 以优化自己的资产配置。但市场债基太多,兴起之下,注册了聚宽平台账号(此处应有广告费),决定用代码来帮助自己进行选择。

PS: 代码下方有持仓详细

步骤:

  1. 去聚宽平台注册一个账号(免费的), 然后就可以用注册的ID去调用聚宽平台的API了;
  2. 使用如下代码抽取所有的债券型基金,一共取到了3500多只债基:
query(finance.FUND_MAIN_INFO).filter(finance.FUND_MAIN_INFO.underlying_asset_type_id=="402003")
  1. 过滤出成立时间大于5年的债基,再进行下一步;(我更喜欢成立时间久的基金,心里觉得踏实)
  2. 获取过滤后的债基的累计复权净值, 再除以其成立的总月数,获取每月的复权月均收益;
  3. 再过滤出月均复权收益大于百分之0.8(一年就接近10%)的债基作为候选; PS: 经过这一步,3500多支债基只剩下了40支左右了
  4. 对这40多只债基, 逐一查看, 去掉最近1年,最近3年表现不佳, 或最大回撤较大的债基,把剩下的作为一个债基组合。(我自己只保留了6支,已在天天基金APP对6支基金进行等权购买,我对这组债基的目标不高, 年化收益达到8%就满意了)

下面是 2~5 步的python代码:

import com.my.basic.Constants as const
from datetime import datetime
from jqdatasdk import *

auth( const.jq_usr, const.jq_pwd)
print (get_query_count())

def cal_month_gap(start_time, current_time):
    start_time_arr = str.split(start_time.strftime("%Y-%m-%d"), "-")
    current_time_arr = str.split(current_time.strftime("%Y-%m-%d"), "-")
    return (int(current_time_arr[0]) - int(start_time_arr[0]))*12 + (int(current_time_arr[1]) - int(start_time_arr[1]))

## 获取债券基金列表
def get_bond_index_list():
    ## 债券基金的underlying_asset_type_id 为 402003
    q = query(finance.FUND_MAIN_INFO).filter(finance.FUND_MAIN_INFO.underlying_asset_type_id=="402003")
    return finance.run_query(q)

current_time = datetime.now()
def print_bond_index_list():
    df = get_bond_index_list()
    for i in range(0, len(df)):
        if df.start_date[i] is not None and df.end_date[i] is None :
            month_gap = cal_month_gap(df.start_date[i], current_time)
            ## 选取成立时间大于60个月的债基
            if month_gap > 60:
                main_code = df.main_code[i]
                ## 获取该基金的现状
                df2 = finance.run_query(query(finance.FUND_NET_VALUE).filter(finance.FUND_NET_VALUE.code==main_code).order_by(finance.FUND_NET_VALUE.day.desc()).limit(1))
                ## 计算年化收益率 (使用累计复权净值对成立的年份进行开根)
                r = format( (pow(df2.refactor_net_value[0], 12/month_gap) - 1)*100 , '.1f')
                ## 计算月均收益率,保留两位小数 (使用累计复权净值除以成立的月数)
                refactor_per_month_earn = format((df2.refactor_net_value[0]-1)*100 / month_gap, '.2f');
                ## 获取复权月均收益大于0.8%的基金:
                if float(refactor_per_month_earn) > 0.8:
                    print( df.main_code[i], " ", df.name[i]," ", month_gap, " ", df2.net_value[0], " ", df2.refactor_net_value[0], "  ", refactor_per_month_earn,"%", " ", r,"%")

print_bond_index_list()

持仓:

大摩多元收益债券A ( 233012 )
易方达裕丰回报债券 ( 000171 )
工银瑞信双利债券A ( 485111 )
易方达安心回报债券B ( 110028 )
易方达稳健收益债券B ( 110008 )
易方达增强回报债券A ( 110012 )

2020-01-10,创建组合20天, 收益率为: 1.73%
2020-02-16, 创建组合2个月, 收益率为:3.14%

抛砖引玉, 请多指教 ........

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,657评论 6 505
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,889评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,057评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,509评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,562评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,443评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,251评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,129评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,561评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,779评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,902评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,621评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,220评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,838评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,971评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,025评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,843评论 2 354