基金绿到发慌？手把手教你用Python看破盈损动态

现在很多同学都尝试过购买基金了，毕竟这是号称最简单的懒人投资方法！

然而只要基金定投就一劳永逸了吗？当然不是，有哪个硬汉能忍住定投收益一点一点下跌的心痛感？

这不，刚过完年，股市急转直下，众多投基者就开始“赢了叫蔡总，输了叫蔡🐶” 。好多12月，1月才开始定投的同学，持有基金的回撤可能超过年前的收益了吧。所以，我们很需要在合适的止盈点锁定目标收益。

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：535820575

群里定投基金的朋友给我总结出他们常用的四种止盈策略，并用Python可视化来实现基金定投止盈，我试了一下，效果还挺好。

 

 

今天主要给大家演示一下第3种方法，并使用Python可视化来直观展示和分析当前指数基金的估值高低。

常用的估值指标主要是市盈率和市净率。本文以市盈率为例，它指的是指数成分股总市值与总利润的比率。通俗来讲就是按照当年总利润计算，投资需要多少年才可以收回成本。我们可以通过对指数的历史水平进行比较，来衡量指数是被高估还是低估了。

这里以基金易方达沪深300ETF联接为例，该基金对应的就是沪深300指数。我们利用爬虫或者直接复制网页等方式来获取沪深300指数的历史PE数据。

获取数据后，我们轻松利用matplotlib制图，即可获得沪深300指数的历史市盈率走势。

plt.figure(dpi=100)

plt.plot(df["pe"],c="r",ls="--")
a = list(range(1,516,256))
plt.xticks(a,[df["ts"][i] for i in a])

plt.axhline(y=float(line_value_30),c="g",ls="--",lw=2)
plt.axhline(y=float(line_value_median),c="y",ls="--",lw=2)
plt.axhline(y=float(line_value_70),c="b",ls="--",lw=2)
plt.show()

　　

（图中绿色、黄色、蓝色三根线分别代表30分位值、中位值和70分位值。

当指数超过70分位值时，可以考虑继续持有或适当减仓。当指数低于30分位值时，可以考虑继续买入或保持定投。

不过按照估值策略卖出也是有缺点的：一是持有时间太长，二是不是所有行业都适合用估值法卖出的，那些业绩增速逐渐放缓或者负增长的就不合适。）

上文就是我们用Python可视化直观展示当前指数基金的估值高低了。这里不过只是使用 Python 简单给你演示一下数据分析的魅力，后续我们其实还能做深入的数据挖掘以及基金股票量化！而且，实际上数据分析除了获取数据，存储数据，还需要会对数据进行预处理，提取，然后分析，统计，报告等操作。

如果你对使用 Python 数据分析感兴趣，想要拿到一份薪资不错的工作，但是目前还有些许茫然，有很多不清楚的地方，比如数据分析的学习路径是怎么样的？如何制作精美的可视化视图？如何进行股票量化等等？

我这次特地总结了一张思维导图给大家，点击放大看更清楚哦。

基于此，我这里将我以前学习过程中用过的电子书（技能类、统计类、业务类），还有相关视频免费分享给大家，省去了你们挑选视频的时间，也希望能够对你们的学习有所帮助。

PS：我总结的资料有点多哦，差不多有4G，大家一定要给你的百度云盘空出位置来哦！
https://pan.baidu.com/s/1ahFuHViTOcnIuhneixKdEg 提取码: pqp1
如果链接失效了可以进交流Q群下载：535820575

（资料仅展示部分）

如果遇到一些环境配置，还有一些错误异常等bug，资料就显得不太够用，这时就需要找到老师，给我们特别讲解。

或者是想快速学习数据分析领域知识，不妨先找一找直播课看看，了解当下最贴合实际的学习思路，确定自己的方向。