市场大数据分析，构建567支可转债数据库，包括转股溢价率，纯债价值（代码+数据下载）

原创文章第320篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。

今天是教师节，祝所有老师节日快乐！师者，传道授业解惑。

今天构建可转债的数据。

大家也许要问为什么先构建可转债的数据，两个原因：

一是从投资理念看，可转债与ETF相似之处在于，可转债也属于“中低”风险投资领域；

二是可转债几百支，数据量相对小，而且可转债的数据里，也需要构建对应的正股数据，也后续做股票数据打下基础。

可转债基础数据：

@asset(description='从tushare更新可转债列表', group_name='basic')
def bond_list_from_ts():
    df = loader_ts.get_bond_list()
    df = df.rename(columns={'ts_code': 'symbol'})
    df['_id'] = df['symbol']
    get_dagster_logger().info(df)
    mongo_utils.write_df('bond_basic', df, drop_tb_if_exist=True)
    return df

A股市场，一共上市954支可转债，除去已经退市的，当前可以交易的转债为567支，下图完成入mongo数据库。

从mongo取出可转债列表：

@asset(description='从mongo读存续期内的可转债列表', group_name='bond')
def bond_list_from_mongo():
    items = mongo_utils.get_db()['bond_basic'].find({}, {'_id': 0, 'symbol': 1})
    symbols = list(pd.DataFrame(list(items))['symbol'])
    get_dagster_logger().debug(symbols)
    return symbols

获取可转债的日线数据，包括债券价值，转股溢价率等：

与ETF数据类似，我们把导入日线历史数据、日线增量数据，导入到csv里，而后全局计算其因子，供排序、检索之用。ETF全量数据下载，引擎重构代码升级分析，ETF的数据截至昨天又重新更新：

【限时优惠200】知识星球与开源项目：万物之中，希望至美

大数据看投资

近期商品强势，主要是黄金。无论是动量还是阻力支撑，都很强。

其次易方达原油：

银行、保险、证券等行业动量弱势，但支撑很强。

“查看原文”链接可以自行进行分析。

【策略实证】长期年化12%不难，低风险中高收益是可能的，大类资产配置是王道。

【实盘策略】18年至今总回报95%，最大回撤才10%，夏普比率和卡玛比率均超过1（策略代码+数据下载）