In [2]:
import xalpha as xa
import pandas as pd

多基金或指数的综合分析

In [4]:
sz50, hs300, zz500, cyb = (
    xa.indexinfo("0000016"),
    xa.indexinfo("0000300"),
    xa.indexinfo("0000905"),
    xa.indexinfo("1399006"),
)
# 四个基本指数的数据获取
In [5]:
comparison = xa.evaluate(sz50, hs300, zz500, cyb)
# 综合分析,未指定 start 参数的化,比较的开始时间默认为最新的指数的开始时间
In [10]:
comparison.totprice[comparison.totprice["date"] > "2018-08-01"]  # 这一类的核心数据,是归一化过的净值表
Out[10]:
date 0000016 0000300 0000905 1399006
1987 2018-08-02 1.276693 1.228411 1.241002 1.551620
1988 2018-08-03 1.262668 1.208123 1.224543 1.522355
1989 2018-08-06 1.259023 1.192813 1.198585 1.480422
1990 2018-08-07 1.297341 1.227650 1.231280 1.520130
1991 2018-08-08 1.280191 1.207840 1.212326 1.487575
1992 2018-08-09 1.310335 1.238094 1.243178 1.538795
1993 2018-08-10 1.309597 1.240823 1.249572 1.553284
In [6]:
comparison.v_netvalue()  # 指数起点归一化净值的变动情况,神创威武
Out[6]:
In [7]:
comparison.v_correlation()  # 指数之间的相关系数,创业板比较独立
Out[7]:
In [8]:
comparison.correlation_table()  # 嫌图花哨可以直接看相关系数的数据
Out[8]:
0000016 0000300 0000905 1399006
0000016 1.000000 0.943797 0.656125 0.466339
0000300 0.943797 1.000000 0.849873 0.670656
0000905 0.656125 0.849873 1.000000 0.881827
1399006 0.466339 0.670656 0.881827 1.000000