tl;dr：眼下极有可能是本年度第二个最佳定投区间

引言#

我的签名是：

会点前端的后端开发，偏偏对区块链最感兴趣。

虽然上一份从事区块链相关的工作无疾而终，但我还一直在关注区块链行业的发展。

区块链行业的龙头老大是非比特币莫属。除了技术以外，估计大家更关心的是它的价格。
恰巧最近读了九神《屯比特币》的系列文章，其中的一篇寻找合适的够买时机分享了关于定投择时的策略，核心观点是:

那么，具体在什么区间内购买比特币最划算呢？同时满足两个条件：

比特币价格低于 200 日定投平均成本，意味着在这个时候买币，可以跑赢定投的人。
比特币价格低于指数增长模型的估值，意味着在这个时候，币价被低估了。

我读下来觉得遗憾的地方在于，这篇文章是成文于 2018-10-07，转眼一年过去了，而由于文中的相关图表是图片，没有持续更新，那么眼下这个时间点时否满足九神提出的两个条件呢？

正好我缺一个机会践习 python 的数据分析，于是，就开始边搜边学边试的摸索之路。

实现步骤#

第一步，自然是要获取数据。先是搜索了一番没找到合适的地方直接下载，只能转换思路去爬取。目标有两个，要么是交易所；要么是行情类网站。

我选择了非小号这个平台，因为有历史数据页面。

通过浏览器的开发工具，很容易就可以通过 get 请求获得数据并解析。因为代码过于简单就不贴出来，有兴趣的朋友，可以点击 btc_price_analyzer 查看。

第二步，是计量 200 日的定投平均成本（即几何平均数）及价格比例，这正是 pandas 所擅长的。但当时的我完全没有经验，磕磕绊绊才写出了下面的代码。

def close_ratio(close, base):
    return close * 1.0 / base

ma_list = [100, 200] //不知道为什么九神选择了200日均线，这里我把100日均线也打出来做对比。

for ma in ma_list:
    ma_str = str(ma)
    price_data['GMA_' + ma_str] = price_data['closeprice'].rolling(
        window=ma, min_periods=1).apply(gmean, raw=True)

for ma in ma_list:
    ma_str = str(ma)
    price_data["GMA_Ratio_" + ma_str] = price_data.apply(
        lambda x: close_ratio(x['closeprice'], x['GMA_' + ma_str]), axis=1)Copy

唯一值得说明的是，pandas 的 rolling 函数只有 mean 方法，而没有 gmean 的。我是引用了 scipy 包实现的。

from scipy.stats.mstats import gmeanCopy

第三步，利用指数增长模型实现价格预测。我不确定九神使用的指数模型具体是什么参数，我搜索到文章主要来自于以下两篇文章：

• 比特币价格走廊与幂律法则：走向何方？
• 比特币价格数学模型（比特币公式）

我最后是选择了第一篇文章的方法，原因是文章写的更严谨一些。计算公式如下:

价格 = 10^(a + blog10 (d))

其中 a = -17.01593313，斜率 b = 5.84509376 ，d 为 2009 年以来的天数。

第四步，画图。虽然有传统的 Matplotlib，但这里我选择了用 pyecharts。

无它，一是 pyecharts 更好看一些 (外貌协会，嘻嘻～～)，二是可以生成 html，方便移植。

如果对 echarts 不熟悉，那刚用 pyecharts 时，被各种配置项搞的晕头转向。

我的建议是对照着看 echarts 和 pyecharts 的文档，但更多的时候，大家急于看到效果，面向搜索编程，哪有时间细读，不如直接找 pyecharts 在 github 中的例子边改边试。

等自己踩过一遍坑，画出了自己想画的图，再回过头看文档，真是有恍然大悟的感觉。

扯点题外话，人生好像也是如此，磕磕绊绊走过，再回过神来想，很多道理其实很早就知道，非得要经历过才能领悟。

这部分代码当时写的很辛苦，写文章时再看，好像也没什么好贴出来的。-_-!!!

思来想去也就是画多 Y 轴图时，一定要先 extend_axis 后再 overlap。

line1.extend_axis(yaxis=opts.AxisOpts())

line1.overlap(line2)Copy

最后的成果如下：

想体验动图吗？请戳这里

通过观察可以看到，眼下这个时间点正好符合九神的两个条件。

虽然相比于年初的时候要差一点，但这极有可能是本年度第二个最佳定投区间。

写在最后#

心心念念想学 python 数据分析好久了，一直没有动力。

这次终于找到了一个有意思的问题，趋动着我在十一假期生生迈出第一步。

下一步，一方面想把代码移植到 jupyter; 另一面，会对九神的策略做一回测分析。

比如说，100 日的均线和 200 日均线，到底哪个更有指导价值；等额定投和加权定投，到底哪个收益更大？

目前，我只完成了价格比率的分布图。

更多的分析，计划在后续的文章再写。

注 1: 本文只是为了实践数据分析，不构成任何投资建议。

注 2: 本文涉及的所有代码可在 btc_price_analyzer 查看。

注 3: 动图体验网址是 https://ksloveyuan.github.io/page/btc_pric...

本作品采用《CC 协议》，转载必须注明作者和本文链接