*注：所有产生的数据可在主页资源中“中欧医疗健康混合C相关基金数据”*中查看与使用

1 问题背景分析

1月末，年前股票大跌，相应的基金连续跌了近一周的时间。我作为一个资深的“韭菜”，于12月初购买了中欧医疗健康混合C基金。基金经理是葛兰，据说是医疗板块最优秀的基金经理，并且医疗板块是民生大计，我当时认为购买这只基金可以获取相当多的收益。但自我购买以来，这只基金连续跌了一个月，直到年前我的这只基金跌了近15%。为了扭转局势，我不断的学习基金知识，并希望通过数据分析来量化购买决策。购买更加科学就会带来更多的收益。

分析一只基金除了看基金经理的资历之外，还需要看这只基金的业绩，以及大家对这只基金的评价。所以，我需要这只基金的历史净值、日涨幅以及购买这只基金的用户的评论。

数据来源是天天基金网，天天基金是中国A股上市的财经门户–东方财富网旗下全资子公司，同时也是证监会批准的首批独立基金销售机构，天天基金网具有最全面的基金数据。

2 数据采集/清洗

数据来源：天天基金网（/）

所需数据：

1)中欧医疗健康混合C的历史净值以及日涨幅数据；

2)同类型基金（医疗）的历史净值的均值以及日涨幅数据；

3)沪深300指数基金历史净值以及日涨幅数据；

4)中欧医疗健康混合C用户评论数据；

针对中欧医疗健康混合C的历史净值以及日涨幅、同类型基金（医疗）的历史净值的均值以及日涨幅、沪深300指数基金历史净值以及日涨幅数据利用Python的requests库对天天基金网进行爬取。点击“基金档案”并搜索“中欧医疗健康混合C”可以看到基金净值的表格，网站截图如下所示：

并且通过天天基金网的板块检索选择与中欧医疗相似的七只基金，基金代码分别是007613、001563、003581、005043、007111、005044、110023。具体操作如下图所示：

数据采集：

#导入相应的包import requestsimport reimport jsonimport pandas as pd

#爬取中欧医疗数据df_list = []for i in range(1,65):url = "http://api./f10/lsjz?callback=jQuery18304159015262110892_1643544350831&fundCode=003096&pageIndex={}&pageSize=20&startDate=&endDate=&_=1643545365216".format(i)headers = {"Referer":"/jjjz_003096.html","User-Agent":'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:92.0) Gecko/0101 Firefox/92.0',}resp = requests.get(url,headers=headers)html = resp.textres = re.findall('\((.*?)\)',html)datas = json.loads(res[0])["Data"]["LSJZList"]df = pd.DataFrame(datas)df_list.append(df)df_data = pd.concat(df_list)df_data.to_csv('中欧医疗健康混合C (003096).csv',index=False,encoding="utf_8_sig")

#爬取同医疗类型基金数据并计算净值均值方便以后对比same_type = ["007613","001563","003581","005043","007111","005044","110023"]pages = [25,64,62,50,34,50,64]df_list = []for index in range(1,65):lis = []for i in range(0,7):if pages[i] >= index:lis.append(same_type[i])else:passdf1 = []for i in lis:url = "http://api./f10/lsjz?callback=jQuery18304159015262110892_1643544350831&fundCode={}&pageIndex={}&pageSize=20&startDate=&endDate=&_=1643545365216".format(i,index)headers = {"Referer":"/jjjz_{}.html".format(i),"User-Agent":'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:92.0) Gecko/0101 Firefox/92.0',}resp = requests.get(url,headers=headers)html = resp.textres = re.findall('\((.*?)\)',html)datas = json.loads(res[0])["Data"]["LSJZList"]df = pd.DataFrame(datas)df1.append(df)df_new = pd.concat(df1,keys=lis)df_list.append(df_new)df_data = pd.concat(df_list)df_data.to_csv('同类基金.csv',index=True,encoding="utf_8_sig")

#爬取沪深300指数净值df_list = []for i in range(1,65):url = "http://api./f10/lsjz?callback=jQuery18304159015262110892_1643544350831&fundCode=050002&pageIndex={}&pageSize=20&startDate=&endDate=&_=1643545365216".format(i)headers = {"Referer":"/jjjz_050002.html","User-Agent":'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:92.0) Gecko/0101 Firefox/92.0',}resp = requests.get(url,headers=headers)html = resp.textres = re.findall('\((.*?)\)',html)datas = json.loads(res[0])["Data"]["LSJZList"]df = pd.DataFrame(datas)df_list.append(df)df_data = pd.concat(df_list)df_data.to_csv('博时沪深300指数A (050002).csv',index=False,encoding="utf_8_sig")

数据清洗：

import os import reimport mathimport pandas as pd

df_base = pd.read_csv('中欧医疗健康混合C (003096).csv')df_avg = pd.read_csv('同类医疗基金均值.csv')df_300 = pd.read_csv('博时沪深300指数A (050002).csv')

def data_extraction(df,col): #df_avg的col=3，其余为6df_flashback = df.reindex(index=df.index[::-1])cumulative_growth = []sum_up = 0for i in range(0,1280):cod = float(df_flashback.iloc[i,col])sum_up += codcumulative_growth.append(sum_up)data = {"FSRQ":pd.Series(df_flashback["FSRQ"].values),"DWJZ":pd.Series(df_flashback["DWJZ"].values),"JZZZL":pd.Series(df_flashback["JZZZL"].values),"DWZZL":pd.Series(cumulative_growth)}new_df = pd.DataFrame(data)return new_df

3 净值可视化

这里使用pyecharts+DataFrame。pyecharts提供的方法可以使用python直接画echarts图，但是需要数行代码，而平时做数据分析时，数据多存在pandas的DataFrame里，DataFrame的plot方法可以使用matplotlib做后端，直接通过调用实例化的类的方法来绘制图像。 因此，无需在DataFrame外创建pyecharts对象，而是直接用eplot方法通过pyecharts后端来画交互图。

中欧医疗健康混合C历史净值数据可视化

from eplot import eplotdf1 = pd.Series(data_extraction(df_base,6)['DWJZ'].values.tolist(),index= data_extraction(df_base,6)['FSRQ'].values.tolist())df1.eplot()

可见，自11月8日中欧医疗健康混合C成立之初，该只基金上涨一个多点，在5月左右达到顶峰，净值达到了约4.5。但是，今年以来连续下跌，这也是我亏损的原因。

中欧医疗健康混合C与其他基金对比

（1）中欧医疗成立以来涨幅对比

from pyecharts.charts import Line #导入折线图from pyecharts import options as opts line=(Line().set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=False),xaxis_opts=opts.AxisOpts(type_="category"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),).add_xaxis(xaxis_data=data_extraction(df_base,6)["FSRQ"].values.tolist()).add_yaxis(series_name="中欧医疗",y_axis=data_extraction(df_base,6)["DWZZL"].values.tolist(),symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="沪深300",y_axis=data_extraction(df_300,6)["DWZZL"].values.tolist(),symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="同类均值",y_axis=data_extraction(df_avg,3)["DWZZL"].values.tolist(),symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),))line.render_notebook()

从图可见中欧医疗的涨幅已经远远超过了同类均值以及沪深300指数。由此可见，中欧医疗的业绩是非常可观的。

（2）近一年的涨幅对比

def data_extraction_year(df,col): #df_avg的col=3，其余为6df = df[0:366]df_flashback = df.reindex(index=df.index[::-1])cumulative_growth = []sum_up = 0for i in range(0,366):cod = float(df_flashback.iloc[i,col])cumulative_growth.append(sum_up)sum_up += coddata = {"FSRQ":pd.Series(df_flashback["FSRQ"].values),"DWJZ":pd.Series(df_flashback["DWJZ"].values),"JZZZL":pd.Series(df_flashback["JZZZL"].values),"DWZZL":pd.Series(cumulative_growth)}new_df = pd.DataFrame(data)return new_df

from pyecharts.charts import Line #导入折线图x = data_extraction_year(df_base,6)["FSRQ"].values.tolist()y1 = data_extraction_year(df_base,6)["DWZZL"].values.tolist()y2 = data_extraction_year(df_300,6)["DWZZL"].values.tolist()y3 = data_extraction_year(df_avg,3)["DWZZL"].values.tolist()line=(Line().set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=False),xaxis_opts=opts.AxisOpts(type_="category"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),).add_xaxis(xaxis_data=x).add_yaxis(series_name="中欧医疗",y_axis=y1,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="沪深300",y_axis=y2,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="同类均值",y_axis=y3,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),))line.render_notebook()

从图可见中欧医疗涨跌已经趋近于同类均值以及市场均值。说明近一年来的业绩已经不如前几年的业绩。虽然总体上比同类均值以及市场均值涨幅可观，但是业绩下滑是不争的事实。

（3）近三个月的涨幅对比

def data_extraction_month3(df,col): #df_avg的col=3，其余为6df = df[0:80]df_flashback = df.reindex(index=df.index[::-1])cumulative_growth = []sum_up = 0for i in range(0,80):cod = float(df_flashback.iloc[i,col])cumulative_growth.append(sum_up)sum_up += coddata = {"FSRQ":pd.Series(df_flashback["FSRQ"].values),"DWJZ":pd.Series(df_flashback["DWJZ"].values),"JZZZL":pd.Series(df_flashback["JZZZL"].values),"DWZZL":pd.Series(cumulative_growth)}new_df = pd.DataFrame(data)return new_df

from pyecharts.charts import Line #导入折线图x = data_extraction_month3(df_base,6)["FSRQ"].values.tolist()y1 = data_extraction_month3(df_base,6)["DWZZL"].values.tolist()y2 = data_extraction_month3(df_300,6)["DWZZL"].values.tolist()y3 = data_extraction_month3(df_avg,3)["DWZZL"].values.tolist()line=(Line().set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=False),xaxis_opts=opts.AxisOpts(type_="category"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),).add_xaxis(xaxis_data=x).add_yaxis(series_name="中欧医疗",y_axis=y1,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="沪深300",y_axis=y2,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="同类均值",y_axis=y3,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),))line.render_notebook()

从图可见中欧医疗的业绩已经远远不如同类均值以及市场均值，与此同时中欧医疗的基金规模不断的扩大。说明散户都认为这时是底部，大家都进行了抄底，但是由于美联储加息政策的出台，造成了情绪恐慌，市场下跌严重。而中欧医疗抗跌能力远远不及同类均值，造成了大量用户损失，这也是我损失的原因。

（4）近一个月的涨幅对比

def data_extraction_month(df,col): #df_avg的col=3，其余为6df = df[0:32]df_flashback = df.reindex(index=df.index[::-1])cumulative_growth = []sum_up = 0for i in range(0,32):cod = float(df_flashback.iloc[i,col])cumulative_growth.append(sum_up)sum_up += coddata = {"FSRQ":pd.Series(df_flashback["FSRQ"].values),"DWJZ":pd.Series(df_flashback["DWJZ"].values),"JZZZL":pd.Series(df_flashback["JZZZL"].values),"DWZZL":pd.Series(cumulative_growth)}new_df = pd.DataFrame(data)return new_df

from pyecharts.charts import Line #导入折线图x = data_extraction_month(df_base,6)["FSRQ"].values.tolist()y1 = data_extraction_month(df_base,6)["DWZZL"].values.tolist()y2 = data_extraction_month(df_300,6)["DWZZL"].values.tolist()y3 = data_extraction_month(df_avg,3)["DWZZL"].values.tolist()line=(Line().set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=False),xaxis_opts=opts.AxisOpts(type_="category"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),).add_xaxis(xaxis_data=x).add_yaxis(series_name="中欧医疗",y_axis=y1,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="沪深300",y_axis=y2,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),).add_yaxis(series_name="同类均值",y_axis=y3,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),))line.render_notebook()

从图可见医疗板块在本次市场下跌中是下跌比较严重的板块，并且中欧医疗的抗跌能力非常差，由此可以推出这只基金最大回撤率非常的高。这是股票型基金的特点——大涨大跌。根据我稳健型的投资风格，我可能会放弃这只基金，转站债券、指数基金等具有相对稳定收益的理财产品。

如果觉得《中欧医疗基金数据分析（葛兰）——Python》对你有帮助，请点赞、收藏，并留下你的观点哦！