11.1-股票基金历年收益率计算

1. 计算目标

我们想知道，一只股票标的，在之前的几年中，每一年的年化收益率是多少？

如果将每年的年化收益率进行求和汇总，截止到今年，总共年化收益率是多少？

2. 关键问题

在做这个计算的时候，遇到了几个小问题：

抛出问题：我们需要拿到这只股票，每一年的收盘价格，那么，这里有2个点，1是我们需要知道每年最后一个交易日是哪天；2是我们需要知道这只股票在每年最后一个交易日的收盘价。

所以为了解决上述问题，我们使用：

1. 使用tushare，获取历年交易日。这个通过一个接口就可以完成。
2. 该股票的历史交易日收盘价，这个也比较容易，tushare有，其他相关平台也有。

3. 获取交易日历

先解决第1个问题，直接上代码：

import time
import tushare as ts
ts.set_token('你的tushare token')
pro = ts.pro_api()
# 时间格式 %Y-%m-%d %H:%M:%S
df = pro.query('trade_cal', start_date='20000101', end_date=time.strftime("%Y%m%d", time.localtime()))
print(df)
# 将开盘日历数据保存到csv
df.to_csv('交易日历.csv')

非常的简单，没有什么花里胡哨的，tushare还是牛逼。

4. 逻辑编写

然后，开始写逻辑，进行计算历年收益率情况。

年度收益率计算逻辑：
针对某个股票或基金，按照年为维度，统计每年的涨跌幅。

1. 加载目标股票或基金历年交易数据。
2. （T年最晚一个交易日收盘价 - T-1年最晚一个交易日收盘价）/ T-1年最晚一个交易日收盘价，即为当年整年收益率

需要准备的材料：

1. 交易日历.csv，这个是通过tushare获取的历年交易日（文章上面已经给了源码）
2. 标的历史每天的开盘收盘价

import datetime
import numpy as np
import pandas as pd
import pymongo
from pandas import DataFrame
from utils.mongo_util.MongoUtil import MongoUtil
from pyecharts import options as opts
from pyecharts.charts import Bar, Page


def generate_pic(security, security_name):
    # 1. 取年份数据（由于不同的标的，起始年份不同，所以从该标的的历史数据中，找出第一年）
    first_day_df = DataFrame(list(MongoUtil().db[security].find({}).sort('date', pymongo.ASCENDING).limit(1)))
    first_year = int(first_day_df.loc[0]['date'][0:4])
    now_year = datetime.date.today().year
    years_array = np.arange(first_year, now_year, 1)
    print(years_array)
    # 2. 根据年份，取出此年的"交易日历"数据中，最后一个交易日。
    cal_data = []
    calender_df = pd.read_csv("交易日历.csv")
    calender_df = calender_df[calender_df["is_open"] == 1]  # df DataFrame切割
    # 转换为日期类型
    calender_df['cal_date'] = calender_df['cal_date'].apply(pd.to_datetime, format='%Y%m%d')
    # 按照日期的倒序排序
    calender_df.sort_values(by="cal_date", ascending=True, inplace=True)
    calender_df = calender_df.set_index("cal_date", drop=False)
    data_list = []
    for year in years_array:
        year_last_day = calender_df.loc[str(year)].tail(1)['cal_date'][0]
        print(str(year_last_day)[0:10])  # 格式：2000-12-29 00:00:00
        year_last_day_str = str(year_last_day)[0:10]  # 字符串格式，每年的最后一个交易日
        security_df = DataFrame(list(MongoUtil().db[security].find({'date': year_last_day_str})))
        this_year_dict = {'year': str(year), 'year_last_day': year_last_day_str, 'close': security_df['close'][0],
                          'year_rate': 0, 'year_rate_total': 0}
        data_list.append(this_year_dict)
        # 当非第一年时，计算此年的收益率
        if len(data_list) != 1:
            this_year_close_price = security_df['close'][0]
            last_year_close_price = data_list[len(data_list) - 2]['close']
            year_rate = round((this_year_close_price - last_year_close_price) / (last_year_close_price) * 100, 2)
            data_list[len(data_list) - 1]['year_rate'] = year_rate
            data_list[len(data_list) - 1]['year_rate_total'] = round(
                year_rate + data_list[len(data_list) - 2]['year_rate_total'], 2)
    print(data_list)

    # 3. pyecharts 图表数据
    axis_x = []
    l2 = []
    l3 = []
    for item in data_list:
        if 'year_rate' in item:
            axis_x.append(item['year'])
            l2.append(item['year_rate'])
            l3.append(item['year_rate_total'])
    pic = (
        Bar()  # 绘制柱状图
            .add_xaxis(axis_x)  # 给x轴添加数据
            .add_yaxis("%s历年收益率" % (security + security_name), l2)  # 给y轴添加数据
            .add_yaxis("收益率逐年累加", l3)
            .set_global_opts(
            title_opts=opts.TitleOpts(title="", pos_bottom='1%', pos_left='center'),
            yaxis_opts=opts.AxisOpts(name="收益率"),  # 添加纵坐标名称
            xaxis_opts=opts.AxisOpts(name="年份"),  # 添加横坐标名称
            toolbox_opts=opts.ToolboxOpts(is_show=True))
    )
    # bar.render()  # 默认会在当前目录，生成一个render.html文件
    return pic


security_df = DataFrame(list(MongoUtil().db['security_info'].find({})))
#运用page实现多个图例绘制在一张图
page=Page()
#page添加图例
for x in security_df.index:
    print(x)
    pic = generate_pic(security_df.loc[x, 'security'], security_df.loc[x, 'name'])
    page.add(pic)
page.render("年度收益率.html")

至此代码就已经全部结束了，通过运行代码，可能看到如下图表：

分别计算了：中证500、房地产ETF、券商ETF、银行ETF、红利ETF、建设银行、医药ETF、金融ETF、上证指数ETF、沪深300的情况，可以有很直观的判断，帮助在股市中进行决策。