akshare改写公募基金轮动策略

群友说，行业指数不行，没办法跟买。这次我换成了etf进行动量策略，选择本周上涨最强的5个etf，平均持仓，一周后移仓。查看回测效果。

        不废话，上传代码，但还是有点毛糙。下次加上日期这些数据，做成df格式，然后用pyfolio进行查看。

导包：

import akshare as ak
import pandas as pd
import numpy as np
import matplotlib

换成周线（也可以换成月线，年线）：

#日线换为周线数据
def transferToWeekLine(df,period='W'):
    data1=df
    stock_data = pd.Dataframe(data1)
    
    #设定转换周期period_type  转换为周是'W',月'M',季度线'Q',五分钟'5min',12天'12D'
    stock_data["date"] = pd.to_datetime(stock_data["date"])
    period_type = period

    stock_data.set_index('date',inplace=True)

    #进行转换，周线的每个变量都等于那一周中最后一个交易日的变量值

    period_stock_data = stock_data.resample(period_type).last()

    
    period_stock_data['chg_pct'] = stock_data['chg_pct'].resample(period_type).last()
    
    #计算周线turnover

    period_stock_data.reset_index(inplace=True)

    data = np.array(period_stock_data) #先将数据框转换为数组
    data_list = data.tolist()  #其次转换为列表
    for i in data_list:
        i[0]=str(i[0]).split(" ")[0]
    return data_list

获取公募数据

#公募基本数据
fund_name_em_df = ak.fund_name_em()
print(fund_name_em_df)


#获取公募净值历史行情
#策略1，公募轮动现象的直观表征：相对强弱
ind = pd.Dataframe()

fund_name_em_df = fund_open_fund_daily_em_df
for i in range(len(fund_name_em_df[:])):
    print(fund_name_em_df.iloc[i,0])
    sw_index_daily_df = ak.fund_open_fund_info_em(fund=fund_name_em_df.iloc[i,0], indicator="累计收益率走势")
    sw_index_daily_df['code'] = fund_name_em_df.iloc[i,0]
    sw_index_daily_df.rename(columns={'净值日期':'date','累计收益率':'chg_pct'},inplace=True)
    sw_index_daily_df = pd.Dataframe(transferToWeekLine(fund_open_fund_info_em_df,'W'))
    sw_index_daily_df.rename(columns={0:'date',1:'chg_pct'},inplace=True)
    #print(sw_index_daily_df.head())
    
    
    
#     stock_data.rename(columns={0:'date',1:'code',2:'name',3:'close',4:'volume',5:'chg_pct'},inplace=True)
#     stock_data=stock_data.iloc[:,:6]
    sw_index_daily_df['ret'] = sw_index_daily_df['chg_pct'].shift(-1)
    ind = ind.append(sw_index_daily_df)

计算每周净值：

last = pd.Dataframe()
l = []
#获取每个交易周的行业指数，并买入排名前五，（均值买入），并计算持仓一个礼拜的收益。
for i in ind['date'].unique():
    d = ind.loc[ind['date']==i].sort_values('chg_pct',ascending=True).head(20)
    l = (l+[d.ret.mean()/100])

绘图：

pd.Dataframe(l).cumsum().plot()