美股最近跌的慘慘慘，又到了聖誕假期，剛好又休市。我們當然趁現在來研究美股大跌時，要如何來投資，才是最佳的選擇呀！今天要介紹VIX，以及查看VIX如何幫助我們做美股長期投資。
什麼是VIX
首先，究竟是什麼是VIX呢？VIX是一個預估12個月的波動程度，假如市場上的不確定因素越高，代表將來的股價會有非常高的不確定性，則VIX越高，假如市場普遍穩定，則VIX就會比較低。通常VIX大概會在15附近，當大家極度恐慌時（例如恐怖攻擊、金融海嘯等），VIX會急速跳動到30～50，然後再緩和下來。
更嚴謹的數學公式以連結的方式讓大家參考
於是有人就說可以參考VIX非常高的時候，當作是買點進行買入。
今天我們就用python來試試看是否有用？
獲取歷史資料
取得歷史資料的方式非常簡單，可以到「芝加哥期交所」官網來下載 S&P500歷史資料，還有VIX歷史資料，將下載下來的csv檔放在資料夾中，就可以開始今天的實驗了！
目錄
今天的教學主要分成以下幾個步驟
- 利用pandas匯入csv檔資料
- 計算S&P500的年報酬率，並繪圖
- 回測並檢討
- 稍微修改買入條件，並比較效果如何
假如第一次接觸python的朋友，可以參考python安裝教學，安裝好之後就可以一起來玩囉！
接下來我們就來玩玩這些資料吧
1. 利用pandas匯入歷史資料
首先，我們可以使用pd.read_csv()這個函示來匯入歷史資料如下：
%matplotlib inline
import pandas as pd
vix = pd.read_csv("vixcurrent.csv", header=1, index_col='Date', parse_dates=['Date'])
vixc = vix['VIX Close']
其中，header=1是指從第一行是column 的名稱。index_col是將指定的column轉換成index，最後，parse_dates是將指定的column轉換成datetime的格式。
再來，也是用類似的方法將SPX的指數給拿出來：
b = pd.read_excel("dailypricehistory.xls", header=4)['SPXSM']
b.index = pd.to_datetime(b.index, errors="coerce")
b = b.reindex(vixc.index)
b = b.dropna()
b.plot()
不過我們使用了一些額外的code，來稍微處理一下大盤指數，其中b.dropna()是將冗餘的資料去掉，另外，使用b.reindex()是因為，我們希望vixc跟b的長度是一樣的，每一天的index是對齊的。
大盤歷史績效分析
接下來我們希望可以分析美股SP500的年報酬指數，我們可以這樣寫：
(b.dropna()[-1]/b[0]) ** (250/len(b))其實公式就是：
但由於我們要算年報酬，還要進一步修改，ndays 就是所有的歷史報酬天數，其中的250是一年的交易日估算。
VIX大於40，買入一年大盤能賺錢嗎？
接下來，我們來看當VIX大於40的當天，買入大盤並持有250天，會發生什麼事情呢：
# vix 大於 th 時，進行買入
th = 40
# 持有 days 天
days = 250
# 當天是否買入
buy = (vixc > th)
# 確保最近三十天並沒有buy發生，才是需要買入的訊號
buy &= (buy.shift().rolling(30).mean() == 0)
最後一行值得一提，因為其實VIX大於40後，有時候會常常飆高，但其實我們是希望VIX突然飆高的第一天，而不是變低後39，然後又飆高到40以上，這種訊號不是我們需要的，所以利用上方的最後一行代碼進行過濾。
繪圖
將買點給畫出來：
b.plot()
buy.astype(float).plot(secondary_y=True)
報酬率計算
接下來我們就來計算，當我們使用這個邏輯進行買賣時，效果如何：
# 當天收盤價
price_begin = b[buy]
# 隔250天後 的收盤價
price_end = b.shift(-days)[buy]
# 報酬率計算
ret = (price_end/price_begin)
我們可以發現報酬率滿不錯的，唯一一次沒有賺錢，是在2008年金融海嘯那次，我們可以將報酬率畫出來，方便大家理解
持有250天的報酬率
接下來我們可以將這四次持有250天的大盤報酬曲線畫出來，橫軸為時間，會得到很有趣的結果：
import matplotlib.pyplot as plt
def normalize(s):
return s / s[0]
for d in ret.index.dropna():
plt.plot(normalize(b.loc[d:].head(250).values))
這張圖中藍色的為金融海嘯，所以當買入時，還跌了一段，還是賠了40％的資產，非常的恐怖…。可見這種方法還是不能亂用。
另外更有趣的是，紅色跟藍色的大盤趨勢非常像，而綠色跟橘色也很類似，感覺大盤的變化隨時間是有規律的。
優化策略
接下來，我想要進行一個小修改，因為VIX是市場恐慌的程度，VIX高代表市場可能過於悲觀，但是不代表悲觀已經結束了，所以2008年的VIX才會噴到將近50左右的位置，所以我們不應該在VIX噴發時投資，應該要等它降溫時，投資會比較好，所以新的策略邏輯如下：
- VIX 近120天超過40
- VIX 當天降到了30
th = 40
days = 250
buy = (
((vixc > th).rolling(120).sum() > 0) &
(vixc < 30)
)
buy &= (buy.shift().rolling(30).mean() == 0)
price_begin = b[buy]
price_end = b.shift(-days)[buy]
ret = (price_end/price_begin)#.groupby(price_begin.index.year).first()
ret
我們發現，這四次的買點都是有獲利的，且大於平均年報酬率(6％)，說明了這可能是比較好的投資方法。然而取樣的點非常少，才4次，所以也有可能只是運氣好而已，過去不等於未來，投資風險就請大家自行斟酌囉！
相信大家可以用類似的方式，找到更好的投資方式喔！快來試試看吧～
