用python 计算农行股票定投

在Python中计算农业银行(A股)的股票定投策略，通常需要结合历史股价数据、定投金额、投资周期等因素。以下是一个简单的步骤概述：

1. **获取数据**：首先你需要从可靠的金融数据源（如Yahoo Finance、腾讯理财通API等）获取农业银行的历史股价数据。你可以使用`pandas_datareader`库或者`tushare`这样的Python库来下载。

import pandas as pd
from pandas_datareader import data as pdr

if __name__ == "__main__":
    stock_code = "601988"  # 农业银行的A股代码
    start_date = "YYYY-MM-DD"
    end_date = "YYYY-MM-DD"
    
    stock_df = pdr.get_data_yahoo(stock_code, start=start_date, end=end_date)

2. **计算平均成本价**：根据定投策略（比如定期买入固定金额或百分比），计算每期投入后累计的成本价格。

def calculate_average_cost(price_series, amount_per_period):
    total_investment = price_series[-1] * amount_per_period  # 最后一期的投资总额
    shares_bought = total_investment / price_series
    average_cost = shares_bought.sum() / len(shares_bought)
    return average_cost

average_cost = calculate_average_cost(stock_df['Close'], 500)  # 每月投资500元示例

3. **分析收益**：对比定投后的平均成本价和当前股价，计算理论收益。

current_price = stock_df['Close'][-1]
return_percentage = (current_price - average_cost) / average_cost * 100
print(f"定投收益率：{return_percentage:.2f}%")

4. **模拟定投**：如果你想要模拟多次定投并查看结果分布，可以编写循环来反复执行上述步骤。

# 模拟定投
num_simulations = 100
simulated_returns = []

for _ in range(num_simulations):
    simulated_returns.append(calculate_average_cost(stock_df['Close'].sample(frac=1), amount_per_period))

mean_return = sum(simulated_returns) / num_simulations
std_deviation = simulated_returns.std()
print(f"平均模拟收益率：{mean_return:.2f}%")
print(f"标准差：{std_deviation:.2f}%")

注意：这只是一个基础的示例，实际操作时还需要考虑交易费用、税费等因素，并对数据处理和异常情况进行妥善处理。此外，股市投资存在风险，以上代码仅供参考学习，实际操作请谨慎决策。