【量化】用数据验证巴菲特推荐的指数定投的收益真相

作者：幻好

来源：恒生LIGHT云社区

最近几年，越来越多的年轻人开始接触基金，购买基金定投理财，本文将通过数据验证指数定投是否真的有效。

背景简述

1993年巴菲特在《致投资者的信》中首次提到了他的建议，原话是“通过定期投资 指数基金 ，一个什么都不懂的投资者通常都能打败大部分的专业基金经理”。

定期投资指数基金，指的是在固定的时间，以固定的金额，投资到指定的开放式基金中，这是懒人投资理财的最佳方法。这种方式通过积少成多，聚沙成塔，分散和平摊风险，不会因股票市场的一时波动影响正常的生活和情绪。在交易市场中，由于指数编制的方式，指数上涨是大概率事件，这也符合投资是追求确定性的要义。

通过背景介绍，让我们对于指数定投有了一个基本的理解，然而以上说法都是从概念上对于指数定投的相关理解，如果要让人们真正的信服，还需要有真实的数据作为支撑。

概念介绍

讲到指数定投，就不得不先聊聊经常谈到的重要指数：沪深300，上证50，中证500。对于没了解过的人可能只会认为这是大盘指数，并不知道这三者的关系和区别。

首先我们看看三者之间的关系：

沪深300 ：通常指的是300只样本股选自沪深两个证券市场，包含的成分股都是市值大、流动性好的主流股票，可以说沪深300能相对较好地反映市场上成熟公司的情况，是最能代表中国股市的指数，被称为A股市场走势的“晴雨表”。

上证50 ：通常指的是沪市所有股票按照规模和流动性进行排列，然后选取前50家企业，最后根据规模和流动性给予一定的加权，计算出相应的指数。

中证500 ：通常指的是沪深两市小盘股，样本股是全部A股剔除沪深300成分股以及总市值排名前300名的股票后，总市值靠前的500只股票，反映沪深两个市场中小市值公司整体状况的指数。

实践验证

前提概述

通过一个简单的定投策略，在大盘波动大情况下，算出最大收益能达到多少。设置每个月1号，拿出2千元进行指数定投，然后计算出最终能获得多少收益。为了更直观的展示数据，我们直接使用沪深300指数收益模拟指数基金收益。

为了能够凸显出指数收益，我们将定期理财收益也作为数据参照，比如货币基金等理财产品年化收益3.8%左右，计算收益走势。

数据准备

所需的数据通过恒有数获取以下相关参数：

证劵代码    prod_code
交易日期    trading_date
开盘价      open_price
最高价      high_price
最低价      low_price
收盘价      close_price
成交数量    business_amount
成交额      business_balance
涨跌幅      px_change_rate
换手率      turnover_ratio
涨跌停状态   up_down_status
交易状态    turnover_status

获取沪深300指数近10年的数据，如下：

程序设计

以下为相关计算程序代码：

import pandas as pd
import matplotlib.pyplot as plt
import time"""
param pro_code: 定投的产品代码
param start_date: 定投的开始日期
param end_date: 定投的结束日期
return: 返回每日的投资资金信息
"""
def investment_regular_plan(pro_code, start_date, end_date):pro_data = pd.read_csv('temp/' + str(pro_code) + '.csv', parse_dates=['交易日期'], index_col=['交易日期'])pro_data = pro_data[['prod_code', 'close_price']].sort_index()pro_data = pro_data[start_date:end_date]# 假设年化无风险利率是 3.8% (货币基金等理财产品)pro_data['无风险利率'] = (3.8 / 100 + 1) ** (1.0 / 250) - 1pro_data['无风险收益_净值'] = (pro_data['无风险利率'] + 1).cumprod()# 每月第一个交易日定投by_month = pro_data.resample('M', kind='period').first()# 定投购买指数基金trade_data = pd.DataFrame(index=by_month.index)# 以指数当天收盘点位除以 2000 作为单位基金净值trade_data['基金净值'] = by_month['close_price'] / 2000# 每月月初投入 2000 元申购该指数基金trade_data['money'] = 2000# 当月的申购份额trade_data['基金份额'] = trade_data['money'] / trade_data['基金净值']# 累积申购份额trade_data['总基金份额'] = trade_data['基金份额'].cumsum()# 累积投入的资金trade_data['累计定投资金'] = trade_data['money'].cumsum()# 定投购买余额宝等无风险产品# 当月的申购份额trade_data['理财份额'] = trade_data['money'] / by_month['无风险收益_净值']# 累积申购份额trade_data['总理财份额'] = trade_data['理财份额'].cumsum()temp = trade_data.resample('D').ffill()pro_data = pro_data.to_period('D')# 计算每个交易日的资产（等于当天的基金份额乘以单位基金净值）daily_data = pd.concat([pro_data, temp[['总基金份额', '总理财份额', '累计定投资金']]], axis=1, join='inner')daily_data['基金定投资金曲线'] = daily_data['close_price'] / 2000 * daily_data['总基金份额']daily_data['理财定投资金曲线'] = daily_data['无风险收益_净值'] * daily_data['总理财份额']return daily_data"""
程序开始执行
"""
if __name__ == '__main__':# 运行程序df = investment_regular_plan('000001.SH', '2011-01-01', '2021-11-11')print(df[['定投成本累计资金', '基金定投累计资金', '理财定投累计资金']].iloc[[0, -1]])df[['基金定投累计资金', '理财定投累计资金']].plot(figsize=(12, 6))df['close_price'].plot(secondary_y=True)plt.rcParams['font.sans-serif'] = ['KaiTi']plt.legend(['指数行情'], loc='upper right')plt.xlabel('交易日期')plt.show()