Python分析三季度基金调仓
目前三季度已经过去了一个月，大部分基金都已经公布了三季度持仓数据，今天我们就用 Python 分析以下今年三个季度基金的调仓情况。
获取数据
第一步，我们要获取目前发行的所有基金及其持有的股票。
可以写一个爬虫去基金网站爬数据，但太麻烦，这里其实是有捷径的。有些朋友可能听说过量化投资，这些做量化投资的平台都会提供金融数据，我们只要安装相应的 Python 包就可以获取股票、基金、债券相关的数据。
本次分析用的是聚宽（https://域名/）平台，新用户注册后会有6个月试用期，期间可以免费使用平台所有数据，每天可调用100万条数据，完全够我们分析了。
注册账号后，我们就可以调用聚宽的数据。以下代码我用 Python 3.8+jupyter 编写、运行。
导入包，获取聚宽授权
from jqdatasdk import *
import pandas as pd
import numpy as np
import 域名ot as plt
域名rams[\'域名-serif\'] = [\'Arial Unicode MS\'] # mac matplot显示中文
域名rams[\'域名ode_minus\'] = False
auth(\'聚宽账户\', \'聚宽密码\') # 聚宽授权
调用聚宽 get_all_securities 函数，获取所有的基金，该函数文档如下
代码如下：
df = get_all_securities([\'fund\', \'open_fund\'], \'2021-11-10\')
df
df 里可能会有重复基金，按照基金代码（域名x）去重看看共获取了多少只基金
code_arr = list(set([域名t(\'.\')[0] for x in 域名es]))
len(code_arr)
共返回 13698 支基金，这可比爬虫来得快多了。
获取股票投资占比
这里我只想关注股票类型的基金，所以需要获取每支基金股票投资的占比，股票投资占比小于 50% 的，剔除掉。
从文档来看，查询 FUND_PORTFOLIO 表的 stock_rate 字段就可以获取基金的股票投资占比。查询方式是用 query 函数构造查询语句，然后调用 域名query 函数完成查询。
写一个函数，用来返回查询语句
def asset_query(arr):
q=query(域名,
域名,
域名od_end,
域名rt_type,
域名k_rate
).filter(域名.in_(arr),
域名域名([\'2021-03-31\', \'2021-06-30\', \'2021-09-30\']),
域名域名([\'第一季度\', \'第二季度\', \'第三季度\']))
return q
asset_query 函数的参数 arr 是个数组，存放基金代码。query函数指定返回的字段。filter 函数指定需要筛选的数据，code 代表基金代码；period_end 是报告期（每个季度最后一天），填入的三个日期分别代表每个季度；report_type 是报告类型，填入的是三个季度，添加该条件是为了只读取单季度的数据，不需要半年或年度数据。最终返回查询语句 q。
asset_query 函数生成对象 q 的用的是 SQLAlchemy 提供的语法规则，SQLAlchemy 是Python 中著名的 ORM 框架，简单来说它提供以 Python 代码的方式查询数据库，而不用写 SQL。感兴趣的朋友可以学习下，能够帮你实现更复杂的查询逻辑。
运行 域名query 来执行查询
i = 0
while i < len(code_arr):
print(\'获取基金资产 \' + str(i))
tmp_arr = code_arr[i: i+1500]
q = asset_query(tmp_arr)
tmp_df = 域名query(q)
if i == 0:
asset_df = tmp_df
else:
asset_df = 域名at([asset_df, tmp_df])
i += 1500
因为 域名query 单次最多返回 5000 行数据，所以这里写了个循环分批读取，一次只读取 1500 个基金的数据。因为一个基金返回 3 个季度数据，所以一次读取最多返回 4500 数据，不会超限。
读取完成后，看看 asset_df
筛选 stock_rate 大于 50 的基金
stock_fund_df = asset_df[asset_df[\'stock_rate\'] > 50]
统计筛选后，还剩多少只基金
stock_fund_code_arr = list(set(stock_fund_df[\'code\']))
len(stock_fund_code_arr)
返回 5590，过滤掉了一半。
获取基金持仓
获取基金持仓的方式跟上面一样，只不过表名和字段名变了。
编写 hold_stock_query 函数，生成相应的查询语句
def hold_stock_query(arr):
q=query(域名_PORTFOLIO_STOCK
).filter(域名.in_(arr),
域名 <= 10,
域名域名([\'2021-03-31\', \'2021-06-30\', \'2021-09-30\']),
域名域名([\'第一季度\', \'第二季度\', \'第三季度\']))
return q
域名 <= 10代表只获取前十大重仓股。
同样通过循环的方式查询数据
i = 0
while i < len(stock_fund_code_arr):
print(\'获取基金持仓 \' + str(i))
tmp_arr = stock_fund_code_arr[i: i+150]
q = hold_stock_query(tmp_arr)
tmp_df=域名query(q)
if i == 0:
hold_stock_df = tmp_df
else:
hold_stock_df = 域名at([hold_stock_df, tmp_df])
i += 150
hold_stock_df
看看 hold_stock_df 的信息
name是持有的股票名，rank是持有该股票的排名（1 代表该基金第一大重仓股），proportion是持仓该股票比例。
调仓方向
这里我想按照行业来看，如：从第一季度到第三季度，有多少基金购买了新能源股票，有多少基金购买了白酒股票。所以，就需要将股票对应到行业上。
严格来说应该找权威的券商，将每个股票都映射成某个行业。不过这里我只是想定性分析一下，所以找了一些行业指数基金的前 6 大重仓股来代替某个行业。映射关系如下
stock_to_industry_dict = {
\'比亚迪\':\'新能源\',
\'宁德时代\':\'新能源\',
\'恩捷股份\':\'新能源\',
\'赣锋锂业\':\'新能源\',
\'亿纬锂能\':\'新能源\',
\'汇川技术\':\'新能源\',
\'圣邦股份\':\'半导体\',
\'韦尔股份\':\'半导体\',
\'卓胜微\':\'半导体\',
\'北方华创\':\'半导体\',
\'兆易创新\':\'半导体\',
\'三安光电\':\'半导体\',
\'贵州茅台\':\'白酒\',
\'五粮液\':\'白酒\',
\'山西汾酒\':\'白酒\',
\'泸州老窖\':\'白酒\',
\'洋河股份\':\'白酒\',
\'酒鬼酒\':\'白酒\',
\'阳关电源\':\'光伏\',
\'通威股份\':\'光伏\',
\'中环股份\':\'光伏\',
\'隆基股份\':\'光伏\',
\'特变电工\':\'光伏\',
\'正泰电器\':\'光伏\',
\'药明康德\':\'医疗\',
\'智飞生物\':\'医疗\',
\'沃森生物\':\'医疗\',
\'泰格医药\':\'医疗\',
\'长春高新\':\'医疗\',
\'凯莱英\':\'医疗\',
\'复星医药\':\'医疗\',
}
向 hold_stock_df 添加一列 industry，代表持有该股票所对应的行业
def stock_to_industry(cols):
if cols[\'name\'] in stock_to_industry_dict:
return stock_to_industry_dict[cols[\'name\']]
return \'无\'
hold_stock_df[\'industry\'] = 域名y(lambda x: stock_to_industry(x), axis=1)
hold_stock_df
找一个新能源基金看下效果
hold_stock_df[hold_stock_df[\'code\'] == \'005939\']
有了行业信息，就可以用透视表直接统计每个行业在三个季度基金数量的变化
industry_count_df = 域名t_table(index=\'industry\',
columns=[\'report_type\'],
values=\'code\',
aggfunc=lambda x:len(域名ue()))
cols_name = [\'第一季度\', \'第二季度\', \'第三季度\']
industry_count_df = industry_count_df[cols_name]
域名([\'无\'], inplace=True)
域名rams[\'域名ize\'] = (12, 8)
域名()
从图上还是能发现一些明显的特征的，持仓新能源的基金不光基数大，增速速度还很快。比较意外的是白酒的持仓基金数量居然是下降的。
探索更有意思的
由于我们能够拿到所有的基金，其实我们还可以探索的东西有很多。比如：可以做出如下效果的数据
每一行都代表一只基金，列 rank1 ~ rank10 代表该基金前十大重仓股，逗号前半部分是持仓股票，后半部分是持仓占比。标红代表是我们关注的股票，最后一列是标红股票持仓占比的加和。
这种展示方式有很多好处，比支付宝、同花顺软件还好。
第一，支持按照某些股票筛选基金（上图标红的部分），我了解的基金软件都只能按照一只股票筛选基金
第二，可以计算包含这些股票总持仓占比（candid_prop列），总持仓越高跟我们预期越接近。而现有的基金软件都要自己手动加
第三，一行展示基金所有持仓，一目了然，而基金软件看不同基金的持仓需要在不同基金之间来回切页面，非常不方便。
最后，介绍下上图的实现代码。首先，只筛选最新季度持仓即可
hold_stock_p3_df = hold_stock_df[hold_stock_df[\'report_type\'] == \'第三季度\']
构造两个新列
hold_stock_p3_df[\'hold_rank\'] = [\'rank%d\' % i for i in hold_stock_p3_df[\'rank\']]
hold_stock_p3_df[\'hold_info\'] = hold_stock_p3_df[\'name\'] + " : " + hold_stock_p3_df[\'proportion\'].astype(str)
用透视图，列转行
tmp_df = 域名t(index=\'code\', columns=\'hold_rank\', values=\'hold_info\')
tmp_idx = 域名x
tmp_df = 域名t_index()
tmp_df[\'name\'] = tmp_idx
rank_cols = [\'rank%d\' % i for i in range(1, 11)]
col_names = [\'code\'] + rank_cols
final_fund_df = tmp_df[col_names]
final_fund_df
定义函数，计算候选股票集合的总持仓占比
candid_fund_list = [\'宁德时代\',\'比亚迪\', \'恩捷股份\', \'璞泰来\', \'诺德股份\']
def filter_fund(x):
all_prop = 0
for i in range(1, 11):
col = \'rank\' + str(i)
vals = str(x[col]).split(\':\')
if vals[0].strip() in candid_fund_list:
all_prop += float(vals[1].strip())
return all_prop
定义函数用于上色
def show_color(val):
color = \'#BB0000\' if str(val).split(\':\')[0].strip() in candid_fund_list else \'\'
return \'color:%s\' % color
修改 condid_fund_list 的值，就可以股票筛选相关的基金，实现本节开头那张图的效果
final_fund_df[\'candid_prop\'] = 域名y(lambda x: filter_fund(x), axis=1)
tmp_fund_df = final_fund_df[final_fund_df[\'candid_prop\'] > 0].sort_values(by=\'candid_prop\', ascending=False)
tmp_fund_df = 域名ymap(show_color)
tmp_fund_df
这里我们只分析了基金数据，聚宽平台还包括股票、债券等其他金融数据，获取方式跟上面讲的一样。有兴趣的朋友可以试试。
源文件已经整理好，关注公众号 渡码 回复关键词 基金调仓 即可。
