揭秘」智能定投「

2022 年 9 月 23 日
筆記
Python, 量化投資, 量化策略

更多精彩內容，歡迎關注公眾號：數量技術宅，也可添加技術宅個人微信號：sljsz01，與我交流。

什麼是智能定投

大家如果打開某某寶的基金理財界面，選擇某一個基金標的的定投，往往會在選擇定投方式時出現兩個選項，一是普通定投、二是智能定投。而且往往智能定投的收益率會高於普通定投，那麼，究竟什麼是智能定投，它是怎麼個智能法，使得收益率高於普通定投？我們將通過這篇文章來揭開智能定投的面紗。

在介紹智能定投前，我們先簡要回顧普通定投，普通定投，用一句話解釋，即以固定金額、固定間隔時間，定期、定額投資於基金或其他想要投資標的。普通定投有如下幾個優點：一是定期投資，積少成多，二是不需要進行擇時，避免了低買高賣，三是平均投資，分散風險，四是複利效果，長期可觀。

而智能定投，其實是普通定投的一種改進方式，其核心邏輯是在定投標的的價格低位、價值低估區域儘可能多投資，而在定投標的價格高位、價值高估區域少投資或不投資，從而使得其平均成本低於普通定投、收益率高於普通定投。

於是，智能定投的關鍵點聚焦在了如何判斷價格的高低位，對於這個問題，某寶也給出了它自己的判斷方式，其設置了一個參考指數的多日均線，當價格低於均線，且距離位置越遠，定投金額越大，即低位多買。

反過來，當價格高於均線，且距離位置越遠，定投金額越小，即高位少買。這樣的低位多買、高位少買邏輯，使得智能定投的收益率，比普通定投高了約3%以上的年化收益率。

Python實現智能定投策略

我們參考某寶的智能定投邏輯，並加以改進，同樣實現的是低位多買、高位少買的大邏輯。並根據投資標的的歷史波動，將標的劃分為4個區域，分別是：價格低位區域、價格中等偏低區域、價格中等偏高區域、價格高位區域，並依次減小這4個區域的定投金額，即價格低位區域定投金額最大，價格高位區域定投金額最小。

數據準備

為實現這樣的定投策略，我們首先需要準備好定投標的的歷史數據，以BTC為例，我們準備好了BTC從2017年到最新的日K數據。

這裡需要說明的是，我們的定投程序支持所有金融標的的歷史回溯測試，只需要將數據格式準備的與上述BTC數據樣例的字段一樣，即可運行程序得到相應的測試結果。

邏輯實現

讀入數據後，我們逐日依次判斷，當前日期的最新價格，位於價格低位區域、價格中等偏低區域、價格中等偏高區域、價格高位區域的哪個位置，並且根據價格所在的區域位置，設定投資金額的大小。

首先通過兩個參數adj_1、adj_2，調整定投金額的比例，參數可以按需修改。

adj_1 = 0.4
adj_2 = 0.8

然後，通過確定價格定投區域的哪個位置，確定定投金額的大小。如果價格位於價格低位區域，則定投金額為正常金額的（1+adj_2）倍，如果價格位於價格中等偏低區域，則定投金額為正常金額的（1+adj_1）倍，其他依次類推。

condition1 = XXX
df.loc[condition1, 'invest_val'] = base_invest_fun * (1 - adj_1)

condition2 = XXX
df.loc[condition2, 'invest_val'] = base_invest_fun * (1 - adj_2)

condition3 = XXX
df.loc[condition3, 'invest_val'] = base_invest_fun * (1 + adj_1)

condition4 = XXX
df.loc[condition4, 'invest_val'] = base_invest_fun * (1 + adj_2)

結果可視化

通過每期定投金額，我們可以計算出總投資金額、以及總投資市值、盈利情況、盈利比例等結果，並將其中關鍵的結果，採用可視化的形式呈現出來，回測結果呈現於下一小節。

fig, ax1 = plt.subplots()
ax1.plot(df['date'], df['net_value'], 'r-', label='Market Value')
ax1.plot(df['date'], df['total_invest_val'], 'y-', label='My Total Cost')
ax1.set_xlabel("year")
ax1.set_title("BTC 定投")
plt.legend(loc='best')
plt.show()