指数投资方式中有四种基本的方法，分别是定期定额、定期不定额、不定期定额和不定期不定额，这四种方式投资效果不同，对投资者的要求也不同，定期定额最简单，但收益不算高，不定期不定额最复杂，对投资者的要求最高，特别是对情绪的要求非常高，同时收益也是最好的。

在上一篇《基于Python的指数基金量化投资- 指数投资技巧（二）定期不定额》中已经介绍了定期不定额的方式，这里接着介绍第三种不定期定额的情况和具体的量化过程。

不定期定额的方式和前面介绍的定期定额、定期不定额有着本质的区别，定期定额和定期不定额都是固定时间进行投资，而不定期定额投资的时间是不定的，要根据具体的指数估值进行，例如当指数的估值百分位低于某一个阈值，比如30%的时候，就会启动投资，如果一直低于该阈值，则采用类似定投的方式，按日、按周或者按月进行，一般采用按周的方式；如果估值高于该阈值则立即停止投资，直到指数估值再次落入该阈值范围内后会再次启动投资。

这里以沪深300指数进行举例说明，当沪深300指数的估值百分位低于某个阈值，这里以30%作为例子，当低于该阈值后，则开始进行沪深300的投资，每次投入的资金是等量的，同时按周进行投入，只要沪深300当下的估值百分位不高于30%，则一直执行该操作，如果沪深300的估值百分位高于30%则停止投资。

这种方式的好处是能在低位积累更多的筹码，让投资都集中在底部，但对投资的耐心有一定的要求，比如等待指数进行击球区，同时上涨超过该阈值后不进行追高，这两方面都是有点反人性的，所以不定期定额在实际投资过程中会比前面介绍的定期定额、定期不定额更难。

下面通过用中证全指的数据进行量化测试来看看具体的过程。

具体的策略是下面的三个条件：

1）估值百分位低于30%则启动投资；

2）投资按周进行；

3）每次买入1000元；

4）当估值高于80%时全仓卖出；

通过这种方式可以得到下面的量化结果。

图中上半部分蓝线是指数走势，红点是按估值百分位低于30%并按周投资的位置，每次投资的数额是是一样的；而几个紫色的点表示估值高于80%卖出的位置。

下半部分的图表示总资产、已投入资金和持有基金份额，其中红线时总资产，蓝线是已投入资金，橙线是持有基金份额。开始阶段不断买入持有份额和总资产是重合的，随着买入的增多同时指数上涨，红线橙线逐步高于蓝线，当估值超过预设的门限，则投入的资金暂停，蓝线也不再增长，在2015年初左右估值高于80%则卖出，可以看见橙线变为0，也就是全仓卖出，然后红线、蓝线和橙线持续保持了一段时间的水平走势，也就是这区间没有任何投入，资产、资金和份额都没有变化，接下来在2018年左右又开始进行投资，在2020年底左右卖出。

最后可以看出投入的资金是144000元，整体资产是25148.39，收益是74.62%，比定期定额和定期不定额的收益高出了不少。

在接下来最后一篇的不定期不定额会和大家分享最后一种投资方式，这种方式的投资效果最好，但也最考验投资者。

源码

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import math as math

name_index = 'lxr_1000002'

name_index_g = 'g_lxr'

all_data_index =pd.read_csv('./exportfile/indexDataAll/' + name_index + '.csv')

all_data_index_g =pd.read_csv('./importfile/indexSeries/indexValuation/g/' + name_index_g +'.csv')

calc_range = 2500

calc_gap = 5

data_index_p = all_data_index['close'].values[len(all_data_index['close'])- calc_range:len(all_data_index['close']):calc_gap]

data_index_g =all_data_index_g['pe'].values[len(all_data_index_g['pe']) -calc_range:len(all_data_index_g['pe']):calc_gap]

val_percentage_list = list()

sell_flag_no_regular_quota = 0

def NoRegularQuota(val_percentage,val_data_p, buy_cnt, buy_total_share):

   global sell_flag_no_regular_quota

   if val_percentage <= 0.3:

       sell_flag_no_regular_quota = 0

       buy_each_no_regular_quota = 1000

       buy_each_share = buy_each_no_regular_quota / val_data_p

       buy_total_share = buy_total_share + buy_each_share

       buy_cnt = buy_cnt + 1

       plot_y = val_data_p

       plot_x = i

       plot_flag = 1

   elif val_percentage >= 0.8 and sell_flag_no_regular_quota == 0:

       sell_flag_no_regular_quota = 1

       buy_each_share = -buy_total_share

       buy_total_share = 0

       plot_y = val_data_p

        plot_x = i

       plot_flag = -1

   else:

       buy_each_share = 0

       plot_y = val_data_p

       plot_x = i

       plot_flag = 0

   return buy_each_share, buy_cnt, [plot_flag, plot_x, plot_y],buy_total_share

gap = 5 # invest each week

cnt = 0

buy_each_share_no_regular_quota =np.zeros((len(data_index_p), 1))

buy_total_share_list_no_regular_quota =np.zeros((len(data_index_p), 1))

buy_total_money_list_no_regular_quota =np.zeros((len(data_index_p), 1))

buy_cnt_no_regular_quota = 0

plot_no_regular_quota =np.zeros((len(data_index_p), 3))

# idx_start = 974 #2011-1-4

idx_start = 1

for i in range(len(data_index_p)):

   valuation_len =all_data_index_g['pe'].values[len(all_data_index['close']) -calc_range-500:len(all_data_index['close']) - calc_range+i*calc_gap:calc_gap]

   val_loc = np.where(valuation_len < data_index_g[i])

   val_percentage = len(val_loc[0]) / (len(valuation_len))

   val_percentage_list.append(val_percentage)

   buy_each_no_regular_quota = 1000

   buy_each_share_no_regular_quota[i], buy_cnt_no_regular_quota,plot_no_regular_quota[i], buy_total_share_no_regular_quota\

       = NoRegularQuota(val_percentage,data_index_p[i],buy_cnt_no_regular_quota, sum(buy_each_share_no_regular_quota))

   buy_total_share_list_no_regular_quota[i] =sum(buy_each_share_no_regular_quota) * data_index_p[i]

   buy_total_money_list_no_regular_quota[i] = buy_cnt_no_regular_quota *buy_each_no_regular_quota

earn_total_money_no_regular_quota =np.zeros((len(data_index_p), 1))

money_sell_no_regular_quota = 0

for i in range(len(data_index_p)):

   if buy_each_share_no_regular_quota[i] < 0:

       money_sell_no_regular_quota = money_sell_no_regular_quota -buy_each_share_no_regular_quota[i] * data_index_p[i]

   earn_total_money_no_regular_quota[i] =sum(buy_each_share_no_regular_quota[0:i+1]) * data_index_p[i] +money_sell_no_regular_quota

plt_gap = 10

size_title = 28

size_label = 15

size_line = 3

size_rotation = 15

size_buy_plot = 5

plt.figure()

plt.rcParams["axes.grid"] = True

plt.rcParams['font.sans-serif'] =['Microsoft YaHei']

plt.rcParams['axes.unicode_minus'] = False

plt.rcParams["grid.linestyle"] =(3, 5)

plt.subplot(211)

income = 100 *(earn_total_money_no_regular_quota[-1][0] - buy_total_money_list_no_regular_quota[-1][0])/ buy_total_money_list_no_regular_quota[-1][0]

plt.title('不定期定额 | 投资收益= ' + str("{:.2f}".format(income)) + '%',size=15)

# plt.plot(buy_each_share_no_regular_quota)

v_max = max(data_index_p)

v_min = min(data_index_p)

for i in range(len(plot_no_regular_quota)):

   if plot_no_regular_quota[i][0] == 1:

       plt.plot(plot_no_regular_quota[i][1],plot_no_regular_quota[i][2],color='tomato',marker='o',ms=(size_buy_plot*v_max/plot_no_regular_quota[i][2]))

   elif plot_no_regular_quota[i][0] == -1:

       plt.plot(plot_no_regular_quota[i][1], plot_no_regular_quota[i][2],color='purple', marker='o',ms=10)

plt.plot(data_index_p)

plt_xticks =all_data_index['date'].values[len(all_data_index['close']) -calc_range:len(all_data_index['close']):calc_gap].tolist()

plt.xticks(range(len(plt_xticks),0,-math.floor(len(plt_xticks)/plt_gap)),plt_xticks[len(plt_xticks):0:-math.floor(len(plt_xticks)/plt_gap)],rotation=size_rotation)

plt.tick_params(labelsize=size_label)

plt.subplot(212)

plt.plot(buy_total_share_list_no_regular_quota,color='tomato')

font = {'size': 15, 'color': 'tomato','weight': 'black'}

plt.text(len(buy_total_share_list_no_regular_quota),buy_total_share_list_no_regular_quota[-1][0],str("{:.2f}".format(buy_total_share_list_no_regular_quota[-1][0])),fontdict=font)

plt.plot(len(buy_total_share_list_no_regular_quota)-1,buy_total_share_list_no_regular_quota[-1][0],color='tomato', marker='o')

plt.plot(buy_total_money_list_no_regular_quota,color='cornflowerblue')

font = {'size': 15, 'color':'cornflowerblue', 'weight': 'black'}

plt.text(len(buy_total_money_list_no_regular_quota),buy_total_money_list_no_regular_quota[-1][0],str("{:.2f}".format(buy_total_money_list_no_regular_quota[-1][0])),fontdict=font)

plt.plot(len(buy_total_money_list_no_regular_quota)-1,buy_total_money_list_no_regular_quota[-1][0],color='cornflowerblue', marker='o')

plt.plot(earn_total_money_no_regular_quota,color='red')

font = {'size': 15, 'color': 'red','weight': 'black'}

plt.text(len(earn_total_money_no_regular_quota),earn_total_money_no_regular_quota[-1][0],str("{:.2f}".format(earn_total_money_no_regular_quota[-1][0])),fontdict=font)

plt.plot(len(earn_total_money_no_regular_quota)-1,earn_total_money_no_regular_quota[-1][0],color='red', marker='o')

plt_xticks =all_data_index['date'].values[len(all_data_index['close']) -calc_range:len(all_data_index['close']):calc_gap].tolist()

plt.xticks(range(len(plt_xticks),0,-math.floor(len(plt_xticks)/plt_gap)),plt_xticks[len(plt_xticks):0:-math.floor(len(plt_xticks)/plt_gap)],rotation=size_rotation)

plt.tick_params(labelsize=size_label)

plt.show()

程序中用到的数据如果有问题，大家可以留言获取，欢迎大家一起交流沟通^_^

课程参考：网易云课堂  基于Python的量化指数基金投资