你不理财，财不理你！python 也能帮你理财？

效果预览

累计收益率走势图

基本信息结果

如何使用：

python3 + 一些第三方库

import requests
import pandas
import numpy
import matplotlib
import lxml

配置 config.json 。code 配置基金代码, useCache 是否使用缓存。

{
  "code":[
    "002736",
    "003328",
    "003547",
  ],
  "useCache":true
}

运行 fund_analysis.py

实现原理

数据获取：

从天天基金网里点开一个基金，在 chrome 开发者工具观察加载了的文件。依次查找发现了一个 js 文件，里面含有一些基金的基本信息。这是一个 js 文件。

获取累计收益率信息需要在页面做些操作，点击累计收益里的3年，观察开发者工具的请求，很容易找到这个数据源是如何获取的。这是个 json 数据。

基金费率表在另一个页面，我们多找几次可以找到信息源地址。这是个 html 数据。

接着通过对 Hearders 的分析，用 request 模拟浏览器获取数据（这里不清楚的话可以参考之前的文章）。最后将其保存在本地作为缓冲使用。以累计收益率信息 json 为例子，主要代码如下。

filePath = f'./cache/{fundCode}.json'
requests_url='http://api.fund.eastmoney.com/pinzhong/LJSYLZS'
headers = {
  'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.87 Safari/537.36',
  'Accept': 'application/json' ,
  'Referer': f'http://fund.eastmoney.com/{fundCode}.html',
}
params={
    'fundCode': f'{fundCode}',
    'indexcode': '000300',
    'type': 'try',
}
requests_page=requests.get(requests_url,headers=headers,params=params)
with open(filePath, 'w') as f:
  json.dump(requests_page.json(), f)

数据分析：

对于 基本信息的 js 文件，读取文件后作为字符串，通过正则表达式获取需要的数据。

例如获取一年收益率可以用以下代码获取。

syl_1n=re.search(r'syl_1n\s?=\s?"([^\s]*)"',data).group(1);

对于 累计收益率 json 数据，直接用 json 解析，找到需要数据进行筛选加工处理。

采用了 all_data[基金代码][时间] = 累计收益率 的格式存储，再通过 pandas 的 DataFrame 进行向上填充空数据。

df = DataFrame(all_data).sort_index().fillna(method='ffill')

对于 基金费率表 html 数据，采用 xpath 解析。xpath 路径可以直接用 chrome 获取。

对于管理费率可以参考以下代码。

selector = lxml.html.fromstring(data);
# 管理费率
mg_rate=selector.xpath('/html/bodyhttps://img.qb5200.com/download-x/div[1]https://img.qb5200.com/download-x/div[8]https://img.qb5200.com/download-x/div[3]https://img.qb5200.com/download-x/div[2]https://img.qb5200.com/download-x/div[3]https://img.qb5200.com/download-x/divhttps://img.qb5200.com/download-x/div[4]https://img.qb5200.com/download-x/div/table/tbody/tr/td[2]/text()')[0]

数据存储：

使用 DataFrame 中的 plot 可以快速画图，使用 to_excel 保存在 Excel 表中。可以参考以下代码。

# 保存数据 
fig,axes = plt.subplots(2, 1)
# 处理基本信息
df2 = DataFrame(all_data_base)
df2.stack().unstack(0).to_excel(f'result_{time.time()}.xlsx',sheet_name='out')
df2.iloc[1:5,:].plot.barh(ax=axes[0],grid=True,fontsize=25)
# 处理收益
df=DataFrame(all_data).sort_index().fillna(method='ffill')
df.plot(ax=axes[1],grid=True,fontsize=25)
fig.savefig(f'result_{time.time()}.png')

小结

数据的获取主要采用了爬虫的基本方法，使用的是 requests 库。而数据的解析和保存主要运用的是正则表达式、xpath解析库以及 pandas 数据处理库。

对于一个基金的分析远远不止于这些数据（例如持仓分布，基金经理信息等），这里只是做个引子，希望能给大家一个思路，如果你有想法或者不懂的地方，欢迎留言或私信交流！

---

本文仅供个人学习交流使用，请勿用于其他用途！

---

参考资料