#!/usr/bin/env python
# coding: utf-8

# In[1]:


import sys
sys.path.insert(0, "../../")
from pyecharts import online
online()
#  演示必要的准备代码，使用该库时不需重复此单元格命令


# In[2]:


import xalpha as xa
import pandas as pd


# # 多基金投资系统的管理

# ### 开放系统

# In[3]:


path='../../tests/demo.csv'
read = xa.record(path) 
# 依旧先读取交易单的 csv 文件


# In[4]:


sysopen = xa.mul(status=read.status) 
# 基金投资组合既可以由一系列单个基金的交易类生成， 也可以直接依据给定的交易单一次性生成，这里采取后者


# In[5]:


sysopen.combsummary().sort_values(by="基金现值",ascending=False) # 先看一下今日投资组合概述


# In[6]:


sysopen.xirrrate() # 最重要的总是先问一下系统的整体收益年化如何
# 需要注意由于QDII基金的净值会延迟两天，因此包含 QDII 基金投资的 xirrrate 计算，必须指定日期，最晚为前天，默认的昨天计算会报错


# In[7]:


sysopen.v_positions('2018-06-01') # 可视化指定日期的仓位分布


# In[8]:


sysopen.v_positions_history() # 基金组合就像一条河流。。。


# In[9]:


sysopen.v_tradevolume(bar_category_gap='75%',freq='W') 
# 整体交易情况一览, 以周为柱形图单位


# In[10]:


sysopen.totcftable # 基金组合的合并现金流量表


# In[8]:


ev=sysopen.evaluation(start='2018-01-01') # 还可以生成关于投资基金的 evaluate 类，以便对投资的基金本身进行分析


# In[9]:


ev.v_correlation(end='2018-08-01') #可以通过热力图来查看不同基金净值走势的相关性


# ### 封闭系统
# 我们也可以研究一个封闭系统的组合投资，此时需要货币基金提供资金出入的功能，这样的系统净值更容易定义
# 可以应用之前研究指数和基金时使用过的量化方法。

# In[11]:


sysopen.fundtradeobj


# In[10]:


# 这次我们使用基金交易类作为初始化参数
sysclose = xa.mulfix(*sysopen.fundtradeobj, totmoney=5000) 
# totmoney 表示封闭系统初始的总钱数
# 若不设置 cashobj 选项，则默认为 cashobj = cashinfo(interest=0.0001, start='2012-01-01')


# In[21]:


sysclose.unitvalue('2018-07-04') # 封闭的基金投资组合整体就像一个单一基金交易类，有净值数据


# In[15]:


sysclose.combsummary('2018-03-09') # 投资组合的分项纵览


# In[16]:


sysclose.bcmkset(xa.indexinfo('0000905')) # 设置比较基准，开始对此封闭的基金投资系统进行量化评估


# In[17]:


sysclose.v_netvalue()


# In[18]:


sysclose.alpha(),sysclose.beta(),sysclose.sharpe()


# In[19]:


sysclose.max_drawdown() # 系统的最大回撤


# In[20]:


sysclose.riskfree  # 进行量化计算中使用的无风险年化利率的参考值， 可在设置 benchmark 时调整该值