跟踪你的股票投资组合与指数的表现
pyportfoliotracker的Python项目详细描述
投资组合跟踪器
根据主要指数跟踪股票投资组合的表现。在
关于如何使用这个包的模板,请参阅底部的示例代码。在
0。初始化
以下包是必需的:yahoofinancials
,pandas
,matplotlib
,datetime
,numpy
在文件顶部输入以下导入:
import pyportfoliotracker
from pyportfoliotracker import Fund
1。设立你的基金
使用以下参数设置您的基金:
fund = Fund(cash, index_ticker, date_of_creation, strategy, risk_free_rate_percentage):
在哪里
- 现金=基金的现金价值
- index_ticker=基准指数的股票代码(基于Yahoo Finance)
- date_of_creation=基金创建日期
- 策略(可选)=用于指数基准的策略。默认策略是一次性付款。另一种选择是dca10,它代表每天使用现金价值10%的美元成本平均值。在
- 无风险利率(可选)=无风险利率,以百分比表示(例如,输入2.5代表2.5%),用于计算α、β和夏普比率。默认设置为2.5%。在
2。购买/出售相关股权
购买
使用.buy_equity()方法,购买基金中的相关股票。在
fund.buy_equity(ticker, date_of_purchase, qty, price)
在哪里
- 股票代码=股票的股票代码(基于雅虎财经)
- date_of_purchase=股权购买日期
- qty=购买股权数量
- 价格=购买股权的价格
销售
在你的股票买卖中,使用的是股票买卖法。在
fund.sell_equity(ticker, date_of_sale, qty, price)
在哪里
- 股票代码=股票的股票代码(基于雅虎财经)
- date_of_sale=股权出售日期
- qty=购买股权数量
- 价格=购买股权的价格
3。选择所需输出
有许多类型的输出可以对您有用:
1a.基金历史账面价值与指数的数据帧:通过调用print(fund.all_assets_normalised)
获得
请注意,只需调用属性fund.all_assets_normalised
即可返回可集成到其他包和用例中的数据帧。在
1b.将1a中提到的数据帧导出为CSV:通过调用fund.export_to_csv(output_path)
获得
注意,.export_to_csv
中的变量output_path
被设置为'data/historical paper'-值.csv'默认情况下。在
2a.基金与指数表现的图形比较:通过调用fund.plot_fund_performance()
获得
2b。将2a中提到的图形导出为PNG:通过调用fund.export_graph(output_path)
获得
注意,.export_graph
中的变量output_path
被设置为'data/fund graph'-绘图.png'默认情况下。在
3a。基金关键财务指标的数据框架,如α、β、夏普比率:通过调用print(fund.fund_metrics_table())
获得
请注意,只需调用方法fund.fund_metrics_table()
即可返回可集成到其他包和用例中的数据帧。在
3b。将3a中提到的数据帧导出为CSV:通过调用fund.export_fund_metrics(output_path)
获得
注意,.export_fund_metrics
中的变量output_path
被设置为'data/fund'-指标.csv'默认情况下。在
样本代码:
^{pr2}$- 项目
标签: