我们想知道，一只股票标的，在之前的几年中，每一年的年化收益率是多少？
如果将每年的年化收益率进行求和汇总，截止到今年，总共年化收益率是多少？
在做这个计算的时候，遇到了几个小问题：
抛出问题：我们需要拿到这只股票，每一年的收盘价格，那么，这里有2个点，1是我们需要知道每年最后一个交易日是哪天；2是我们需要知道这只股票在每年最后一个交易日的收盘价。
所以为了解决上述问题，我们使用：
先解决第1个问题，直接上代码：
import time
import tushare as ts
ts.set_token('你的tushare token')
pro = ts.pro_api()
# 时间格式 %Y-%m-%d %H:%M:%S
df = pro.query('trade_cal', start_date='20000101', end_date=time.strftime("%Y%m%d", time.localtime()))
print(df)
# 将开盘日历数据保存到csv
df.to_csv('交易日历.csv')
非常的简单，没有什么花里胡哨的，tushare还是牛逼。
然后，开始写逻辑，进行计算历年收益率情况。
年度收益率计算逻辑：
针对某个股票或基金，按照年为维度，统计每年的涨跌幅。
需要准备的材料：
import datetime
import numpy as np
import pandas as pd
import pymongo
from pandas import DataFrame
from utils.mongo_util.MongoUtil import MongoUtil
from pyecharts import options as opts
from pyecharts.charts import Bar, Page
def generate_pic(security, security_name):
# 1. 取年份数据（由于不同的标的，起始年份不同，所以从该标的的历史数据中，找出第一年）
first_day_df = DataFrame(list(MongoUtil().db[security].find({}).sort('date', pymongo.ASCENDING).limit(1)))
first_year = int(first_day_df.loc[0]['date'][0:4])
now_year = datetime.date.today().year
years_array = np.arange(first_year, now_year, 1)
print(years_array)
# 2. 根据年份，取出此年的"交易日历"数据中，最后一个交易日。
cal_data = []
calender_df = pd.read_csv("交易日历.csv")
calender_df = calender_df[calender_df["is_open"] == 1] # df DataFrame切割
# 转换为日期类型
calender_df['cal_date'] = calender_df['cal_date'].apply(pd.to_datetime, format='%Y%m%d')
# 按照日期的倒序排序
calender_df.sort_values(by="cal_date", ascending=True, inplace=True)
calender_df = calender_df.set_index("cal_date", drop=False)
data_list = []
for year in years_array:
year_last_day = calender_df.loc[str(year)].tail(1)['cal_date'][0]
print(str(year_last_day)[0:10]) # 格式：2000-12-29 00:00:00
year_last_day_str = str(year_last_day)[0:10] # 字符串格式，每年的最后一个交易日
security_df = DataFrame(list(MongoUtil().db[security].find({'date': year_last_day_str})))
this_year_dict = {'year': str(year), 'year_last_day': year_last_day_str, 'close': security_df['close'][0],
'year_rate': 0, 'year_rate_total': 0}
data_list.append(this_year_dict)
# 当非第一年时，计算此年的收益率
if len(data_list) != 1:
this_year_close_price = security_df['close'][0]
last_year_close_price = data_list[len(data_list) - 2]['close']
year_rate = round((this_year_close_price - last_year_close_price) / (last_year_close_price) * 100, 2)
data_list[len(data_list) - 1]['year_rate'] = year_rate
data_list[len(data_list) - 1]['year_rate_total'] = round(
year_rate + data_list[len(data_list) - 2]['year_rate_total'], 2)
print(data_list)
# 3. pyecharts 图表数据
axis_x = []
l2 = []
l3 = []
for item in data_list:
if 'year_rate' in item:
axis_x.append(item['year'])
l2.append(item['year_rate'])
l3.append(item['year_rate_total'])
pic = (
Bar() # 绘制柱状图
.add_xaxis(axis_x) # 给x轴添加数据
.add_yaxis("%s历年收益率" % (security + security_name), l2) # 给y轴添加数据
.add_yaxis("收益率逐年累加", l3)
.set_global_opts(
title_opts=opts.TitleOpts(title="", pos_bottom='1%', pos_left='center'),
yaxis_opts=opts.AxisOpts(name="收益率"), # 添加纵坐标名称
xaxis_opts=opts.AxisOpts(name="年份"), # 添加横坐标名称
toolbox_opts=opts.ToolboxOpts(is_show=True))
)
# bar.render() # 默认会在当前目录，生成一个render.html文件
return pic
security_df = DataFrame(list(MongoUtil().db['security_info'].find({})))
#运用page实现多个图例绘制在一张图
page=Page()
#page添加图例
for x in security_df.index:
print(x)
pic = generate_pic(security_df.loc[x, 'security'], security_df.loc[x, 'name'])
page.add(pic)
page.render("年度收益率.html")
至此代码就已经全部结束了，通过运行代码，可能看到如下图表：
分别计算了：中证500、房地产ETF、券商ETF、银行ETF、红利ETF、建设银行、医药ETF、金融ETF、上证指数ETF、沪深300的情况，可以有很直观的判断，帮助在股市中进行决策。