数字普惠金融促进共同富裕的中介变量有？
除了已知文献说的创业活跃度，经济发展，产业增长，技术创新，还能有什么啊？
基于Monster 组和GPT的调写：
金融市场发展,社会保障,人口结构,人口结构,
- 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7528154
- 这篇博客你也可以参考下：图像常用的插值算法：最近邻插值、双线性插值和双三次插值算法
- 除此之外, 这篇博客: 基金亏到底了？那就来分析一下如何合理投资吧中的 任务3：探索不同的定投策略，看看你能否得到更好的定投收益呢？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
想解决这个问题，我们可以像傻瓜一样去尝试所有方法，也可以从现实角度出发，想出尽量合理可行的投资计划再来编写相应的程序探索结果
那什么样的投资方法才是能使收益率最高（或者说最大化收益的方法呢），考虑下面的一些现实情况
- 定投周期是不是可以改变？变长或变短有没有影响？
- 当买入成本越低的时候，我们买入收益才会变高
- 当买入成本低的时候多买入，高的时候少买或者不买
- 当我们的收益下跌的时候是否继续买入？
- 当收益下跌时我们是增加买入还是减少买入
所以从上面的问题出发，首先要通过试验得到一些结论：最好的定投周期、最好的定投金额
# 开始测试最好的周期(拿2019年数据测试) def test1(): res=[] T=[2,7,14,21] for i in T: a,b=invest1(data,'2019-01-05','2020-01-05',500,i) res.append(b/a) print(f"周期为{T}的收益率分别为:",res) test1()
貌似两周一次定投是可以使收益率最大化的选择# 再来试试最好的定投金额 def test2(): res=[] money=[300,500,700,1000] for i in money: a,b=invest1(data,'2019-01-03','2020-01-03',i,14) res.append(b/a) print(f"定投金额为{money}的收益率分别为:",res) test2()
定投金额貌似对基金的收益率影响微乎其微现在，有了上面的两个结论，我们知道设置为两周一次定投获益最大，而且定投金额影响不大，只是700元稍稍高一点点点（多个点，表示影响真的不大）
那再来试着想想策略：
- 当基金跌（涨跌幅为负）的时候买入；当基金涨的时候部分卖出，防止牛市回吐。
- 设置一个止盈点，帮助我们及时退出，不会碰到基金低谷导致全亏回去。这个时候我们可以提出钱，然后继续定投，由于我们赚了钱，所以这个时候投资金额和周期都可以变化一下。
- 去研究一下经济学投资规律，看有没有什么好的数学模型可以借用。
然后去知网等网站查了相关的文献，得到了一些有启发的信息。
比如卖出金额函数模型：
这部分相关的论文文献资料有很多，看了之后会很有启发的。
好，回到我们的制定策略上来。通过上面的分析还有看了这些文章的结论，都反映一个问题，跌的时候买入，设置止损，并且定投金额要随时变化但是我们怎么做到底部买入并且还能控制定投金额变化呢，这就需要我们的定投金额与我们的收益率之间存在某种函数关系：
定投金额=固定金额∗(1+α收益率)定投金额=固定金额*(1+\alpha收益率)定投金额=固定金额∗(1+α收益率)
对于这个公式，我们收益时就可以减少买入，也就相当于限制了收益率；而亏损时会追加买入，符合底部买入的思想，现在就是找找最合适的α\alphaα是多少了
#我们制定的定投策略 def invest2(data,start,end,aip,T,alpha): startday=datetime.strptime(start,'%Y-%m-%d').date() endday=datetime.strptime(end,'%Y-%m-%d').date() curr=startday total_aip=0 #总的定投金额 total_profit=0 #总利润 total_count=0 #总的基金数 final_price=0 #最后的基金价格 while curr<endday: while str(curr) not in data['日期'].values: curr+=timedelta(days=1) if curr in data['日期'].values: break last=float(data[data['日期']==str(curr)]['收盘价'].values[0]) count=aip/float(data[data['日期']==str(curr)]['收盘价'].values[0]) total_count+=count total_aip+=aip total_profit=last*total_count-total_aip total_rate=total_profit/total_aip #print(f"时间:{curr},拥有的基金总数:{total_count}") curr+=timedelta(days=T) aip=aip*(1-total_rate*alpha) return total_aip,total_profit # 固定金额设为700（定投金额随获益率变化），每周定投一次 total_aip21,total_profit21=invest2(data,'2018-01-02','2019-01-02',700,7,0.1) print(f"2018年每周定投金额变动方案的总投资为:{total_aip21},总利润为:{total_profit21}") profit_rate21=total_profit21/total_aip21 print(f"2018年每周定投金额变动方案的收益率为:{profit_rate21*100}%")
当我们满怀期待想看收益的时候，现实泼了一盆凉水，纳尼？2018-2019基金定投收益率是负的，一直亏？？？我冷静了一下，又回去看了一下之前可视化的图（2002-2019历年利润变化的图），发现2018年收益率就是负的。现在就有两种选择：
第一，2018买入一直放到2020，看看结果如何。
第二，直接放弃2018买入（或者2018年部分时间买入），然后等2019年再买
同样的，试试这两种策略的结果
# 2018买入一直放到2020 total_aip,total_profit=invest2(data,'2018-01-02','2020-01-02',700,7,1) print(f"2018年到2020每周定投金额变动方案的总投资为:{total_aip},总利润为:{total_profit}") profit_rate=total_profit/total_aip print(f"2018年到2020每周定投金额变动方案的收益率为:{profit_rate*100}%") # 改变一下alpha看还能不能优化 def test3(): alpha=[0.1,0.2,0.4,0.6,0.8,0.9,1] for i in alpha: total_aip,total_profit=invest2(data,'2018-01-02','2020-01-02',700,7,i) profit_rate=total_profit/total_aip print(f"alpha为{i}时，2018年到2020每周定投金额变动方案的收益率为:{profit_rate*100}%") test3()
最好的alpha好像是1，说明见好就收（赚了钱就跑）还是有一定道理的# 再来试试2018部分时间买入，2019全年定投的结果 def test4(): total_aip1,total_profit1=invest2(data,'2018-02-02','2018-04-02',700,7,1) profit_rate1=total_profit1/total_aip1 total_aip2,total_profit2=invest2(data,'2019-01-02','2020-01-02',700,7,1) profit_rate2=total_profit2/total_aip2 profit_rate=(profit_rate1+profit_rate2)/2 print(f"alpha为1时，2018年部分时间定投2019到2020每周定投金额变动方案的收益率为:{profit_rate*100}%") test4()
def test5(): total_aip,total_profit=invest2(data,'2019-01-02','2020-01-02',700,7,1) profit_rate=total_profit/total_aip print(f"alpha为{1}时，2019年到2020每周定投金额变动方案的收益率为:{profit_rate*100}%") test5()
- 您还可以看一下 李月喜老师的企业微信开发第三方应用开发篇课程中的 第三方市场分析，安装试用第三方网页应用及小程序应用，了解安装及授权安装流程小节, 巩固相关知识点
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^