医药，消费，国债，城投债：我们做一个股债大类资产配置

投资创造财富的公式： 本金*长期年化收益率 * 时间。

三个因素：

其中，本金，时间很好理解，以致于大家都快把它们忘了。——大家只关心收益率（注意这一项可能会为负哦）。

本金越大，时间越长，复利效果越好。

富人创富的逻辑，是本金大，时间长。

本金越大，持有时间就可以越长，所要求的期望收益率，不需要特别高，比如长期年化10%。这样需要承担的风险相对就小。

普通人由于本金小，还需要短期暴富（时间短），这就要求收益率特别高。想想这意味着，伴随的风险也巨大。加之本金小，你只能all in ，重仓一个小概率事件的结果是？

因此，按前几天的分析，我给大家准备几种策略模板：投资要义：“股债平衡兼套利，低估分散不深研”——大类资产配置，轮动，择时，多策略组合。

大类资产配置模板，收益率6-10%，但很稳健。

轮动，主动管理，通过截面比较，相对分散，收益率高，仍比较稳健。轮动分为规则信号，机器合成因子信号等。

择时，就是大家想“赌“一把用的。比如你发现一个”超级好“的机会。

策略组合。把多个策略组合在一起。

所有AI量化投机，不会超出这些模板。

在开始之前，还是需要准备数据：之前我们提供了期货主连合约和国内指数的脚本，今天新增：etf和LOF的日线采集脚本。

import akshare as ak
from datetime import datetime

from config import DATA_DIR

symbol = '513500.SH'
code = symbol[:6]
df = ak.fund_etf_hist_em(symbol=code, period="daily", start_date="20000101", end_date=datetime.now().strftime('%Y%m%d'), adjust="hfq")
cols = {'日期': 'date', '开盘': 'open', '收盘': 'close', '最高': 'high', '最低': 'low', '成交量': 'volume',
            '换手率': 'turn_over', '成交额': 'amount'}
df.rename(columns=cols, inplace=True)
df['date'] = df['date'].apply(lambda x: str(x).replace('-', ''))
df=df[cols.values()]
print(df)

DATA_DIR.joinpath('etfs').mkdir(exist_ok=True)
df.to_csv(DATA_DIR.joinpath('etfs').joinpath(symbol + '.csv'), index=None)
print(df)

数据保存在本地data/efts, data/lofs下。

准备好了数据，就可以开始写策略，从大类资产配置——策略模板开始。

使用脚本，下载四个ETF是我们的交易标的池：医药，消费，国债，城投债。我们做一个股债大类资产配置。

for symbol in ['159929.SZ', #消费
               '512010.SH', # 医药
                '511220.SH', # 城投债
                '511010.SH', # 国债
               ]:
    download_data(symbol)

数据都一并连同代码打包给大家了：

from engine.engine import Engine
from engine.task import TaskAssetsAllocation

task = TaskAssetsAllocation()
task.start_date = '20141216'
task.algo_period = 'RunDays'
task.algo_period_days = 126
task.symbols = ['159929.SZ',  # 消费
                '512010.SH',  # 医药
                '511220.SH',  # 城投债
                '511010.SH',  # 国债
                ]
task.benchmark = '510300.SH'

e = Engine(task=task)
e.run()
e.analysis(console=True)