京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:俊欣
来源:关于数据分析与可视化
时间过得真快,2021年差不多还有10天就要和大家说再见了,大家今年过得怎么样?有什么收获或者遗憾呢?
今天我们来分析一下2021年的基金市场,分析一下今年表现最好的那些基金有什么特征?作为理财小白的你,如何在2022年如何科学理性地投资从而避免被当做韭菜收割呢?
首先对于基金,可以大致分为:货币型基金、债券型基金、混合型基金和股票型基金等等
主要投资于货币市场,如短期国债、回购、央行票据、银行存款等等,风险基本没有。其主要特征是“本金无忧、活期便利、定期收益、每日计收益、按月分红利”。
类似的像余额宝就是货币型基金,而我们一般以七日年化收益率来衡量与评价这种基金
指的是以国债、金融债等固定收益类金融工具为主要投资对象的基金,因为其投资的产品收益比较稳定,又被称为是“固定收益基金”,主要的特点有
顾名思义主要是投资于股票市场的基金,其中股票仓位不能低于80%,当然根据股票的种类可以分成优先股基金和普通股基金
混合型基金是指投资于股票、债券以及货币市场工具的基金,根据股票、债券投资比例以及投资策略的不同,混合型基金又可以分为偏股型基金、偏债型基金、配置型基金等多种类型。
相比较与前三者,混合型基金实现投资的多元化,无需去分别购买风格不同的股票型、债券型以及货币基金。
下面我们来看一下小编筛选出来的表现优异的基金们有什么样的特征?
此次数据的来源是来自于【蛋卷基金】,通过ajax异步交互来传输数据,有专门的接口,我们分析得到翻页的规律主要是通过改变当中的page参数,而type参数则是控制其基金的种类,就是上面提到的股票型、债券型和混合型基金等等
数据抓取的代码如下
@retry(stop=stop_after_attempt(7)) def send_requests(url): response = requests.get(url=url, headers=headers, timeout=10) return response.text # 数据提取与整理 def parse_json(response_data): fund_name_list = [] fund_code_list = [] fund_yield_list = [] fund_value_list = [] response_j = json.loads(response_data) funds_list = response_j.get("data").get("items") for fund in funds_list: fund_name = fund.get("fd_name") fund_name_list.append(fund_name) fund_code = fund.get("fd_code") fund_code_list.append(fund_code) fund_yield = fund.get("yield") fund_yield_list.append(fund_yield) fund_value = fund.get("unit_nav") fund_value_list.append(fund_value) return fund_name_list, fund_code_list, fund_yield_list, fund_value_list
抓取完成后,数据是这样的:
今年以来收益率前十名的股票型基金是:
收益率的分布情况如下图所示:
而混合型基金收益率前十名的分别是:
收益率分布情况如下图所示:
让小编略感到惊讶的则是债券型基金,它的收益率也并不比股票型基金要差,排在前十位的收益率分别是
它的收益率分布情况如下图所示:
下面我们来看一下这些表现优异的基金的资产规模状况,
对于股票型基金,收益率Top200的基金中,其资产规模大多在6亿元以下,大多都是在1亿元-3亿元之间
而对于混合型基金而言,结论也是相似,资产规模大多在1亿元-5亿元之间
究竟是买新基金好还是买老基金好呢?
小编筛选了收益率较高的前100名的股票型基金,针对它们的创立时间进行了汇总分析,发现成立时间大多都是在2018年以及2015年-2016年之间,距今差不多已有3-6年的历史,
而相对于混合型基金而言,收益率前30的基金上市时间大多在2015-2017年,距今也差不多有4-6年的时间
从上图中同时我们也可以看出老基金的收益率总体上还是要比新基金的收益率要更高一些的
每支基金的前十大持仓股也是十分重要的信息,因此我们来看一下哪些股票被重仓了。
我们筛选了收益率前30的股票型基金和混合型基金,将这些被重仓的股票,它们的持股比例做一个累加,挑选出持仓股累计占比排名前30的股票种类。
在股票型基金当中,而宁德时代是被较为关注的股票之一
而混合型基金的则是
买基金主要还是要看基金经理人,查看一下他们以往的成绩,因此我们来看一下这些基金掌舵人的表现如何?
我们首先来看混合型基金的情况,收益率前200的基金中,小编根据基金经理持有基金的平均收益率为标准,选取排名前10的经理,我们可以看到“韩广哲”以及“韩创”这两位基金经理人的收益率能够达到65%左右
而对于股票型基金而言,基金经理人“曹春林”所管理的基金收益率大约也有55%左右
我们来看一下这些明星基金经理人所管理的基金,混合型基金的明星经理人,他们分别管理的基金是
而股票型基金的明星经理人所管理的基金则是
最后的最后小编还是需要提醒各位读者朋友:投资有风险,理财也需要谨慎。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24