股票亏惨了，用Python来做一个投资计划
共 11783字，需浏览 24分钟
·
2021-08-01 17:31
大家好，我是阳哥。
我也是一个坚持在股市投资的小韭菜，这不，这个星期，可以说是连续遭遇几次暴击。
阳哥今年的收益，在7月份不仅全部抹平，还亏了好几个点。
这几天，在进一步研究各个品种的投资配置计划，类似如下表格：
对于单个股票或ETF或基金，我以前用的是 Excel 表格，但最近发现，如果同时计算多个品种的投资计划时，Excel 的粘贴复制并不好用，原因是 Excel 表格中有许多表格单元格需要按F4固定，在复制使用时需要逐个修改，表格多了后，经常会忘记修改，这对投资而言，就很不严谨，如果数据计算错误，就很有问题了。
于是，就想着用 Python 来制作上述表格，并尽量将数据简化，将计算过程进行封装。
表格制作过程
在 Python 中制作上述表格，咱们可以用 Pandas 来实现。
Pandas是一种高效的数据处理库，它以 dataframe 和 series 为基本数据类型，呈现出类似excel的二维数据。
我们先来观察上面的Excel表格，在表格中，价格系数以及仓位比例这两列数据，是由咱们主观来控制的；此外，首次开始购买时的价格，也是主观控制的；首次购买份数，是由咱们总资金情况，根据仓位比例计算出来的，在这里，首次购买数量，也可以由咱们来主观控制输入。
因此，在Python中制作这个表格，可以先将主观控制的内容定义为变量。
import pandas as pd
# 标的名称
name = '中概互联-513050'
# 首次购入价格
price_init = 2.0
# 首次加仓比例
rate_init = 0.01
# 首次购入份额数量
shares_init = 2000
data = {
'价格系数':[1,0.95,0.9,0.85,0.8,0.75,0.7,0.65],
'加仓比例':[rate_init,0.02,0.03,0.04,0.05,0.05,0.05,0.05],
}
df = pd.DataFrame(data=data)
df
将已有变量输入到 DataFrame 中后，得到下面的表格：
基于已有数据和变量来计算其他数据，包括 加仓批次 、品种名称 name 和 价格 列，同时设置其他列为空值（ shares 为加仓数量，money 为 加仓金额）
df['加仓批次'] = list(range(1,len(df)+1))
df['name'] = name
df['价格'] = df['价格系数'] * price_init
df['shares'] = ''
df['money'] = ''
df
计算后，得到的表格如下：
由于首次买入份额数量是由咱们自己控制的，可以先将首次购买的数量输入，如下：
df.loc[df['加仓批次']==1, 'shares'] = shares_init
df
同时计算首次购买的金额，如下：
df.loc[df['加仓批次']==1, 'money'] = df.loc[df['加仓批次']==1, '价格'] * df.loc[df['加仓批次']==1, 'shares']
df
这里，在Pandas 中，是通过 .loc 筛选出具体的行，通过控制单个单元格来实现的。
接下来，需要计算 加仓批次 2到8 的每一行的份额数量以及金额，每一行的计算方法都是一样的，咱们以第2行为例来说明。
第2行的份额数量的计算公式为：
（第1行的金额 * 第2行的加仓比例 ）/(第1行的加仓比例 * 第2行的价格)
由于交易数量是 100 的整数倍，因此还需要稍微调整下实际的份额数量，如下：
round(（第1行的金额 * 第2行的加仓比例 ）/(第1行的加仓比例 * 第2行的价格*100),0) * 100
Python代码如下：
money_init = df.loc[df['加仓批次']==1, 'money'].values[0]
df.loc[df['加仓批次']==2, 'shares'] = round(money_init*df.loc[df['加仓批次']==2, '加仓比例']/\
(rate_init * df.loc[df['加仓批次']==2, '价格']*100),0)*100
df
第2行的金额的计算如下：
df.loc[df['加仓批次']==2, 'money'] = df.loc[df['加仓批次']==2, '价格'] * df.loc[df['加仓批次']==2, 'shares']
df
其他行的计算也是类似的，咱们可以用 for 循环来实现，如下：
for i in range(len(df)-1):
n = i+2
df.loc[df['加仓批次']==n, 'shares'] = round(money_init*df.loc[df['加仓批次']==n, '加仓比例']/\
(rate_init * df.loc[df['加仓批次']==n, '价格']*100),0)*100
df.loc[df['加仓批次']==n, 'money'] = df.loc[df['加仓批次']==n, '价格'] * df.loc[df['加仓批次']==n, 'shares']
df
这样，就可以计算出其他行的购买数量以及购买金额的数据了，得到的表格如下：
在上面表格的基础上，咱们还会经常要知道一些累计的数据，比如累计仓位，累计购买份额数量，累计购买金额，以及计算当前的投资成本等，在pandas中，累计求和使用 cumsum()函数，实现如下：
df['累计仓位'] = df['加仓比例'].cumsum()
df['累计份额'] = df['shares'].cumsum()
df['累计金额'] = df['money'].cumsum()
df['成本'] = df['累计金额']/df['累计份额']
df
在 Excel 表格中，还有一列 下跌幅度 ，其数据类型为字符串型，在 Python 中，这个也是可以根据价格系数来计算出来的，比 Excel 中的手动修改还要方便些，如下：
df['下跌幅度'] = 1- df['价格系数']
df['下跌幅度'] = df['下跌幅度'].apply(lambda x:f'下跌{int(round(x*100,0))}%')
df.loc[df['加仓批次']==1, '下跌幅度'] = '首次'
df
最后，就是调整显示的顺序，以及数据格式，如下：
df = df[['name','加仓批次', '下跌幅度', '价格系数','价格', '加仓比例', '累计仓位',
'shares', 'money','累计份额', '累计金额','成本']]
format_dict = {'money': '￥{0:.0f}',
'累计金额': '￥{0:.0f}',
'价格': '{0:.3f}',
'成本': '{0:.3f}',
'shares': '{0:.0f}',
'累计份额': '{0:.0f}',
'价格系数': '{0:.0%}',
'加仓比例': '{0:.2%}',
'累计仓位': '{0:.2%}',
}
df.style.hide_index().format(format_dict)
关于 Pandas 中表格样式设置的更多详细内容，可以前往下面的链接：
至此，针对单一品种的投资计划表格就出来了。
函数封装
上面是详细的分步骤的介绍，在实际使用过程中，咱们会针对多个品种进行核算，不同品种计划投资的仓位比例，价格间隔区间，可能都不一样，咱们可以通过将上面的实现过程封装成函数的形式，来适应各种需求，函数封装如下：
def plan(name,price_init,rate_init,shares_init,data):
df = pd.DataFrame(data=data)
df['加仓批次'] = list(range(1,len(df)+1))
df['name'] = name
df['价格'] = df['价格系数'] * price_init
df['shares'] = ''
df['money'] = ''
df.loc[df['加仓批次']==1, 'shares'] = shares_init
df.loc[df['加仓批次']==1, 'money'] = df.loc[df['加仓批次']==1, '价格'] * df.loc[df['加仓批次']==1, 'shares']
money_init = df.loc[df['加仓批次']==1, 'money'].values[0]
for i in range(len(df)-1):
n = i+2
df.loc[df['加仓批次']==n, 'shares'] = round(money_init*df.loc[df['加仓批次']==n, '加仓比例']/\
(rate_init * df.loc[df['加仓批次']==n, '价格']*100),0)*100
df.loc[df['加仓批次']==n, 'money'] = df.loc[df['加仓批次']==n, '价格'] * df.loc[df['加仓批次']==n, 'shares']
df['累计仓位'] = df['加仓比例'].cumsum()
df['累计份额'] = df['shares'].cumsum()
df['累计金额'] = df['money'].cumsum()
df['成本'] = df['累计金额']/df['累计份额']
df['下跌幅度'] = 1- df['价格系数']
df['下跌幅度'] = df['下跌幅度'].apply(lambda x:f'下跌{int(round(x*100,0))}%')
df.loc[df['加仓批次']==1, '下跌幅度'] = '首次'
df = df[['name','加仓批次', '下跌幅度', '价格系数','价格', '加仓比例', '累计仓位',
'shares', 'money','累计份额', '累计金额','成本']]
return df
上面的自定义函数涉及五个变量:
name,price_init,rate_init,shares_init,data对应的是：品种名称，初始买入价格，初始买入持仓比例，初始买入份额，列表数据（由价格系数和加仓比例组成）
对于咱们计划投资的品种，设置好变量的初始值后，就可以通过上述的自定义函数来计算出投资计划表了，如下：
# 标的名称
name = '中概互联-513050'
# 首次购入价格
price_init = 2.0
# 首次加仓比例
rate_init = 0.01
# 首次购入份额数量
shares_init = 2000
data = {
'价格系数':[1,0.95,0.9,0.85,0.8,0.75,0.7,0.65],
'加仓比例':[rate_init,0.02,0.03,0.04,0.05,0.05,0.05,0.05],
}
df = plan(name,price_init,rate_init,shares_init,data)
format_dict = {'money': '￥{0:.0f}',
'累计金额': '￥{0:.0f}',
'价格': '{0:.3f}',
'成本': '{0:.3f}',
'shares': '{0:.0f}',
'累计份额': '{0:.0f}',
'价格系数': '{0:.0%}',
'加仓比例': '{0:.2%}',
'累计仓位': '{0:.2%}',
}
df.style.hide_index().format(format_dict)
假设你要投资的是其他品种，比如万科，可以修改初始变量，快捷的得到投资计划，如下：
# 标的名称
name = '万科'
# 首次购入价格
price_init = 22
# 首次加仓比例
rate_init = 0.01
# 首次购入份额数量
shares_init = 300
data = {
'价格系数':[1,0.95,0.9,0.85,0.8,0.75,0.7,0.65],
'加仓比例':[rate_init,0.02,0.03,0.04,0.05,0.05,0.05,0.05],
}
df = plan(name,price_init,rate_init,shares_init,data)
format_dict = {'money': '￥{0:.0f}',
'累计金额': '￥{0:.0f}',
'价格': '{0:.3f}',
'成本': '{0:.3f}',
'shares': '{0:.0f}',
'累计份额': '{0:.0f}',
'价格系数': '{0:.0%}',
'加仓比例': '{0:.2%}',
'累计仓位': '{0:.2%}',
}
df.style.hide_index().format(format_dict)
得到的表格如下：
表格有什么用？
这个表格的实现，其实还是比较简洁的，用 Excel 也是可以较为方便的实现的，只是如果同时实现多个的话，会要麻烦一些，并且可能经常没有注意到个别单元格内容而出现错误。
这个投资计划表格，在实际投资中，还是有些作用的，看似很简单，但就是这种常识性的内容，往往很多人没有在投资之前就做好计划和设想。导致在实际投资过程中，买的比较随意，并且经常追高被套。
此外，由于事前没有做好计划，在投资组合的资产配置以及仓位管理方面，也是一片空白。经常会遇到下跌时发现没钱继续买了，这也是很尴尬的。
比如，上面的万科，如果按计划走的话，第一次买入300股，花费 6600元，钱也不多，但如果市场真要大幅度下跌，下跌达到 35% 以后，按计划投资，这个品种需要投资将近 20万，持仓占比 30% ，估计是很多人都没有想过的。
阳哥也是经过最近这几天的大跌，才开始反思自己投资计划的情况（发现没钱来大规模加仓了），之前有些品种买的也是有些随意。
如果能够事先做好功课，在下跌时泰然处之，不慌乱的清仓，估计投资结果会好很多。
PS：公号内回复「Python」即可进入Python 新手学习交流群，一起 100 天计划！
老规矩，兄弟们还记得么，右下角的 “在看” 点一下，如果感觉文章内容不错的话，记得分享朋友圈让更多的人知道！
【神秘礼包获取方式】