准确真实利率公式.jpg

因此，我们可以编写一个函数，来计算精确的真实利率：

def accurate_real_interest_rate(nir, ir):
    return (nir - ir) / (1 + ir)

arir = accurate_real_interest_rate(0.015, 0.0173)
arir

>>>>> 输出结果 >>>>>
-0.002260886660768701

更符合真实情况的利率

伴随现在各种互联网金融工具的兴起，我们通常情况下不会将钱放到银行存定期，我们往往会购买各种短期、中长期的理财产品。然而， 由于不同的理财产品有着不同其期限以及其特殊的申购赎回方式，这里为了方便分析，我们选取了存取条件较为简单的余额宝作为新的工具用来分析。
获取余额宝历史数据的方法可以参考 《利用 Python 获取余额宝历史收益数据》一文，具体代码入下：

# 获取余额宝历史数据
import requests
import bs4
import pandas as pd

SYMBOL_YEBAO = '000198'


def obtain_info_of_data(symbol):
    response = requests.get('http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code=' + str(symbol))
    # return format: var apidata={...};
    # filter the tag
    content = str(response.text.encode('utf8')[13:-2])
    content_split = content.split(',')
    # obtain the info of data, curpage, pages, records
    curpage = content_split[-1].split(':')[-1]
    pages = content_split[-2].split(':')[-1]
    records = content_split[-3].split(':')[-1]
    return {'curpage': curpage, 'pages': pages, 'records': records}



def obtain_data(symbol):
    dict_data_info = obtain_info_of_data(symbol)
    cur_pages = int(dict_data_info['pages'])
    pages = dict_data_info['pages']
    records = dict_data_info['records']

    data_return = []

    url = 'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code=%s&page=%s'

    for cp in range(int(pages), 0, -1):
        response = requests.get(url % (symbol, str(cp)))
        content = response.text[13:-2]
        data = content.split(',')[0][10:-1]
        data_soup = bs4.BeautifulSoup(data, 'lxml')
        line_of_data = len(data_soup.select('table > tbody > tr'))

        for i in range(line_of_data, 0, -1):
            row_of_data = []
            date = data_soup.select('table > tbody > tr:nth-of-type(%i) > td:nth-of-type(1)' % i)[0].text
            earning_per_10k = float(data_soup.select('table > tbody > tr:nth-of-type(%i) > td:nth-of-type(2)' % i)[0].text) / 10000.0
            annualized_return = float(data_soup.select('table > tbody > tr:nth-of-type(%i) > td:nth-of-type(3)' % i)[0].text[:-1]) / 100.0
            row_of_data.append(date)
            row_of_data.append(earning_per_10k)
            row_of_data.append(annualized_return)
            data_return.append(row_of_data)
        print('Finished %i' % cp)
        cur_pages -= 1
        if cur_pages == 1 and len(data_return) != int(records):
            print('Data Missing..')
    return pd.DataFrame(data_return, columns=["date", "rate10k", "rate7d"])

# data_info = obtain_info_of_data(SYMBOL_YEBAO)
rs = obtain_data(SYMBOL_YEBAO)

接下来，我们将计算最近一年的余额宝收益：

yeb_yearly_rate = sum(rs[-360:]["rate7d"]) / 360 # rs 为上文 rs = obtain_data(SYMBOL_YEBAO) 获得
yeb_yearly_rate

>>>>> 输出结果 >>>>>
0.035411472222222247

我们这里得到余额宝近一年的收益为 3.54%，比上文获取到的一年期银行利率高，我们再次用上面的真实利率函数计算一下余额宝的真实收益率：

# 余额宝真实收益率
yeb_arir = accurate_real_interest_rate(yeb_yearly_rate, 0.0173)
yeb_arir

>>>>> 输出结果 >>>>>
0.01780347215395876

我们可以看到，最近一年，将钱用于购买余额宝，真实的收益率是可以达到正数的。

无风险利率与风险资产的超额收益

在分析风险之前，我们先了解一个概念 —— 持有期收益率 HPR，所谓持有期收益率，就是资产期末价格与期初价格之差除以期初价格。用公式表示如下：

持有期收益率公式.jpg

如果是股票类资产，还需要考虑现金红利以及除权等问题。
接下来，我们以沪深300指数为例，计算持有一年收益率：

# 获取沪深300历史数据
hs300 = ts.get_k_data("hs300")
# 计算 HPR 函数
def hpr(endPrice, periodPrice):
    endPrice = float(endPrice)
    periodPrice = float(periodPrice)
    return (endPrice - periodPrice) / periodPrice
hpr_yearly = hpr(hs300[hs300["date"] == "2017-09-25"]["close"], hs300[hs300["date"] == "2017-01-03"]["close"])
hpr_yearly

>>>>> 输出结果 >>>>>
0.14228823270690524

我们从上面程序运行结果可以得出，最近一年，沪深300指数的年均收益率为14.22%。
接下来，我们继续探讨另外一个概念 —— 超额收益 excess return，所谓超额收益，就是指特定时期风险资产同无风险资产之间的差，用公式表示：

超额收益率公式.jpg

我们同样编写一个计算超额收益的函数，用来计算近一年来 余额宝-沪深300指数 之间的超额收益。

# 计算超额收益函数
def excess_return(rp, rfr):
    return rp - rfr

yeb_hs300_er = excess_return(hpr_yearly, yeb_yearly_rate)
yeb_hs300_er

>>>>> 输出结果 >>>>>
0.106876760484683

通过运行上面的程序，我们可以计算出，近一年来，投资沪深300指数的超额收益为 10.69%。

小结

通过这篇文章，我们了解了什么是名义利率、真实利率，以及如何计算近似和准确的真实利率，同时，我们还知道了什么是无风险资产和风险资产的超额收益。此外，我们还掌握了如何借助 Tushare 库来获取历史存款利率数据以及 CPI 历史数据，还了解了如何使用爬虫程序来获取余额宝历史数据。

参考资料

[1] 滋维·博迪.投资学(原书第7版) [9787111269441].机械工业出版社

版权声明：本文来源简书，感谢博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。
原文链接：https://www.jianshu.com/p/b6017887bd73
站方申明：本站部分内容来自社区用户分享，若涉及侵权，请联系站方删除。

• 发表于 2020-01-08 22:00:04
• 阅读 ( 1820 )
• 分类：