#!/usr/bin/env python
# coding: utf-8

# In[1]:


import xalpha as xa
import pandas as pd

xa.set_display("notebook")


# # 指定标的的交易分析

# * 想要进行交易分析首先需要交易单

# In[2]:


path = "../../tests/demo.csv"


# In[3]:


read = xa.record(path)
# record 类用来从指定位置读取 csv 文件，并将交易单数据存储在 self.status 中
# 该类可直接接受 pd.read_csv() 的多样的关键字参数，比如 skiprows=1, 这样就可以在真实的记账单首行标注基金名称，而不影响程序处理


# In[4]:


read.status
#  一个示例的交易单演示
## 特别注意由于基金申购是按照金额，赎回是按照份额，因此交易单采用此惯例，正数代表申购金额，负数代表赎回份额
## 数据理论上小数点后两位有效，不过从第二位小数开始，数字起到了一些特殊标记的作用，因此仅完美支持一位小数，对于绝大多数人完全够用
## 金额是不需要考虑申购和赎回费的，简单记录您申购的总金额或赎回的份额，程序将完全充分的考虑所有申购赎回折算分红等情况，确保和真实持仓波动完全一致
## 在原始的 csv 形式中，0 不必要显式写出，直接空过去就好
## 小数点第二位的5，如果当天恰为该基金的登记分红日，则视为选择了分红再投入，否则默认分红拿现金
## 若负数绝对值小于 0.005，则视为赎回的份额比例而非份额数目， －0.005 表示清仓，依此线性缩放
## 更进一步的，非交易交易记录或是赎回份额超过持有总数， 程序都将作出协调自洽的处理
## 账单还可额外增加 property 行，控制金额赎回，分红默认再投入等更多细节，具体请参考文档


# * 现在分析一下 001180 基金的交易情形

# In[5]:


f = xa.fundinfo("001180")


# In[6]:


f


# In[7]:


f_t = xa.trade(f, read.status)  # 给定标的和账单，交易就生成了


# In[8]:


f_t.aim  # 查看该交易的标的


# In[9]:


f_t.dailyreport()  # 该交易截止昨天的信息总结，也可以给定'2018-01-01'形式的时间参数，来了解任意一天的基金持有概况


# In[11]:


f_t.xirrrate("2018-07-01")  # 计算截止7.1的 xirr 收益率，最客观的年化收益指标


# In[10]:


f_t.v_totvalue()  # 基金持有金额的变动可视化


# In[11]:


f_t.v_tradecost()  # 同时比较基金净值和自己交易的单位成本的变动
# 上面橙色点代表买入，蓝色点代表卖出，点的大小代表买卖数量


# In[12]:


f_t.v_tradevolume(freq="W")  # 基金交易量的可视化


# 其他基金的交易分析同理。除了基金，指数类和货币基金类也可以作为交易标的进行交易和分析