比普通定投高20%的支付宝智能定投策略，30行代码轻松复现-轻识

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

运移汉祚终难复，志决身歼军务劳。

大家好，我是小一

这是投资理财，用数据说话这个话题下的第6篇文章，也是继上次基于北向资金的择时买入卖出策略复现之后的第二篇策略复现文章。

目前来看，这个话题会是我未来一段时间坚持更新的方向。但是我也还在学习中，今天的文章甚至后期的文章都只是一个阶段性的学习笔记，不敢说文章的方法适合于所有人，所以大家抄作业的时候也多多思考一下

先来说说今天的策略：均线定投策略，我第一次听到这个策略是在B站上，但是后来发现竟然在支付宝已经用上了，细心的同学在支付宝定投的时候应该会看到一个智能定投，对，就是它！

下面开始细说该策略：

首先，人为设置基础定投金额，可以是100、1000 等等，这个根据自己的实际情况来。

之后在每个定投日，根据当前的价格进行定投率的计算，然后通过下面的公式计算在当前定投日的实际投入：

实际投入=基础金额*定投率

定投率可根据偏离均线范围进行设定，例如偏离均线范围 50%及以上，定投率设置为 40%，偏离均线范围 40%-50%，定投率设置为 50%

对应的该B站阿婆主给出了一个参考案例，在A、B、C点根据偏离情况分别计算定投率

上面的数字都是在当前价格超过均线的情况下，也就是在绝对的上涨阶段。对应的，在绝对的下跌阶段，同样可以参考上面的策略计算定投率

类似的参考案例，在D、E、F点根据偏离情况分别计算定投率：

其实说白了，该策略的重点就是计算定投率，而定投率是根据当前价格和近250天的均线的偏离程度计算的。

对应的就有了下图的这个基础策略：

其实这个策略就是我们常说的：大跌大买、小跌小买。

不一样的是，它将跌的程度进行了量化，你买进的份额也就随之可以量化。

这种策略的好处就是你可以在任意位置买进，只要你能坚持跟着策略做定投，最终都会赚钱，而且越到后面赚的越多。

在解释这个原理的时候，该阿婆主用了一个很极端的例子：在最高点的时候买进某数字货币，然后根据策略坚持定投，在经历了下跌和震荡之后，当该货币的趋势趋于平稳并且慢慢开始上涨时，持有的收益已经开始由负转正。

结合下面这张图来看：

在2017年12月末最高点买进，之后坚持策略一直定投，经历了18年整年，直到19年5月的时候，收益开始由负转正。

至于该数字货币后面怎么走，这不是我们今天要关注的内容，你可以看到，即使你在最高点买入，期间经历了 腰斩、膝斩、甚至都斩到脚后跟了，但你跟着策略走，你终究还是会回本。

无非就是 用时间来换金钱

当我在和朋友讨论这个策略的时候，他眼前一亮，告诉我说支付宝有一个智能定投，可以了解一下。

于是我去看了一下支付宝的定投策略，一句话描述一下大概是这样的：

根据参考指数的收盘价和历史均值，动态调整扣款率，高于均线少投，低于均线多投 见下图👇

这不就是我们上面看到的定投策略嘛？再往下看：支付宝将该定投方式命名为均线定投，它的公式如下：

实际定投金额 = 基础定投金额 * 当期扣款率

看到公式的时候我明白了，这就是一个策略，只是设定的定投率和当期扣款率不一样。

为了让大家看的更明白，我从支付宝上直接将均线定投策略的具体扣款率弄了下来：

到这里，这个策略的原理想必大家都已经很清楚了，通过这个策略，你可以去定投基金、场内ETF、大盘指数、甚至是个股。

对了，对于个股我其实不是特别建议用这个策略，毕竟波动性太大，容易受各方面因素的影响。其实个股我有另外的方法，之后也都会分享出来，大家可以订阅投资理财，用数据说话这个话题，方便接收最新文章。

最后说一下策略复现

在复现的时候因为主要涉及的参数有两个，一个是需要参考的MA均线，一个是需要设置的定投率

在设置MA均线时，B站阿婆主设置的初始MA均线是250，支付宝策略设置的MA均线是500和10。

在设置定投率时，B站阿婆主是通过网格交易的方式设置的固定比例，支付宝策略设置的趋势比例。

如果你是在国内交易，可以参考支付宝的策略参数，或者你可以根据你想要定投的目标搜索一个更加合适的参数。以下是我复现的支付宝策略的核心代码：

以沪深300为例，代码：399300.SZ

首先是获取到 2019年至2021年9月30日的所有数据，进行相应的数据处理（列重命名、时间序列转换、排序、设计辅助列等）

code = '399300.SZ'
start_date = '20190101' 
end_date = '20210930'

df_data = w.wsd(code, "pre_close,high,low,close,MA", start_date, end_date, "MA_N=500",usedf=True)[1]
df_data1 = df_data.reset_index().copy()
df_data1 = df_data1.rename(columns={'index':'trade_date',  'PRE_CLOSE':'昨收价', 'MA':'MA500', 'CLOSE':'收盘点位', 'HIGH':'最高点位', 'LOW':'最低点位'})
df_data1['trade_date'] = pd.to_datetime(df_data1['trade_date'])
df_data1 = df_data1.sort_values('trade_date',ascending=False).reset_index(drop=True)
df_data1['counter'] = range(len(df_data1))

其次是计算近10日的振幅情况，公式如下：

(本周期最高价-最低价)/上一周期的收盘价

也就是近10天的最高价-最低价，然后除以第前11天的收盘价

代码如下：

"""计算近10日的振幅"""
for index, row in df_data1.iterrows():
    counter = row['counter']
    if counter+10 > df_data1.shape[0]:
        max_price = df_data1.loc[(df_data1['counter']>=counter) & (df_data1['counter']'最高点位'].max()
        min_price = df_data1.loc[(df_data1['counter']>=counter) & (df_data1['counter']'最低点位'].min()
        pre_close = df_data1.loc[df_data1['counter']==df_data1.shape[0]-1, '昨收价'].iloc[0]
    else:
        max_price = df_data1.loc[(df_data1['counter']>=counter) & (df_data1['counter']'最高点位'].max()
        min_price = df_data1.loc[(df_data1['counter']>=counter) & (df_data1['counter']'最低点位'].min()
        pre_close = df_data1.loc[df_data1['counter']==counter+9, '昨收价'].iloc[0]
    
    ten_chg = (max_price-min_price)/pre_close*100
    df_data1.loc[df_data1['counter']==index, '近十日振幅(%)'] = ten_chg

最后是计算当前价格的偏离程度，并根据近10日的振幅情况，计算当前的扣款率

代码比较简单，如下：

"""计算偏离程度和振幅，得出扣款率"""
df_data1['均价偏离(%)'] = (df_data1['收盘点位']-df_data1['MA500'])/df_data1['MA500']*100
df_data1 = df_data1.reset_index(drop=True)
df_data1['扣款率(%)'] = df_data1[['均价偏离(%)', '近十日振幅(%)']].apply(lambda x: get_kk_ratio(x), axis=1)

df_data1.head(20)