第三方功能(外掛小工具)

2019年5月23日 星期四

用Python計算你的資產變化~投資 VS 定存 VS 活存

用Python計算你的資產變化~
投資 VS 定存 VS 活存

#人生的情境:
年齡:25~90 歲
每月薪水=3.5 萬元
每月房租=0.8 萬元
每月花費=1 萬元
每月保險=0.4 萬元
退休年齡=60
#工作了35年

由圖表可以推論以下的結果:

1.橘色的曲線 (投資):
每年拿7成的錢去投資5%的商品
(如:ETF0050)
60歲退休時
資產已累積1000萬
即使以後沒有工作收入
資產仍持續增加

2.綠色的曲線 (定存):
如果你是小資族
辛苦的工作
傻傻地定存
最後60歲退休沒收入
開始吃老本
資產一點一滴慢慢縮水
未來的每一天
祁禱不能有重大的病痛

3.藍色的曲線 (活存):
比定存更慘

另外,大家可以在請這張圖表
發現 "複利的威力"
定存1%
投資5%
僅相差4%結果卻是天堂和地獄的差別

5%獲利遙不可及嗎?
如果你是小資族
更要好好想想你的未來
是那條人生曲線

Python有興趣的請參考:
https://hahow.in/courses/5a2170d5a6d4a5001ec3148d/main?item=5a232e15a6d4a5001ec31cbe
以下為程式碼:
------------------------------------------
import pandas as pd
%matplotlib inline

#情境:
預測年齡=range(25,90,1)
每月薪水=3.5 #單位:萬元
每月房租=0.8
每月花費=1
每月保險=0.4
退休年齡=60 #工作了35年

#不投資也不定存的資產情況:
每年淨額=pd.Series(0,index=預測年齡)
每年淨額.loc[:退休年齡]+=每月薪水*12
每年淨額-=(每月房租+每月花費+每月保險)*12
不投資_資產=每年淨額.cumsum()

#每年拿70%的錢投資,獲利5%的資產情況:
投資部位=0.7
投資年利率=1.05 #每年投資獲利 5%
def compound_interest(arr,ratio,return_rate):
ret=[arr.iloc[0]]
for v in arr[1:]:
ret.append(ret[-1]*ratio*return_rate+ret[-1]*(1-ratio)+v)
return pd.Series(ret,index=預測年齡)
有投資_資產=compound_interest(每年淨額,投資部位,投資年利率)

#每年拿70%的錢放定存,年利率1%的資產情況:
定存年利率=1.01 #定存年利率 1%
定存_資產=compound_interest(每年淨額,投資部位,定存年利率)

pd.DataFrame({
'no invest':每年淨額.cumsum(),
'invest 5%':compound_interest(每年淨額,投資部位,投資年利率),
'saving 1%':compound_interest(每年淨額,投資部位,定存年利率),
}).plot()




2019年5月10日 星期五

Python初體驗~強大

Python初體驗~強大

喜歡投資又想學一點程式語言
Python語言會是你最好的選擇

僅用短短幾行的程式碼
一口氣讓你體驗 :
1.網頁爬蟲(歷史股價,2000年至今)
2.資料儲存~csv檔
3.資料整理分析
3.繪圖~收盤價的歷史紀錄

------------------------------------------------------------------------------------------------------------------
import requests

site="https://query1.finance.yahoo.com/v7/finance/download/2330.TW?period1=0&period2=1557553257&interval=1d&events=history&crumb=hP2rOschxO0"
reponse=requests.post(site)

with open('file.csv','w') as f:
f.writelines(reponse.text)

import pandas as pd
df=pd.read_csv('file.csv',index_col='Date')

print(df)
df.Close.plot()
--------------------------------------------------------------------------------------------------------------------
有興趣的朋友請參考:
finlab部落格:https://www.finlab.tw