基金推荐与投资记录系统：如何成为一名合格的韭菜！
基金相比于股票，收益要更加稳定，不需要过多专业知识且无需花自己大量的时间去盯盘，适合有一些闲钱却又不会投资的人进行投资。
今年2月份以来我开始投资基金，使用支付宝进行购买。
在投资的过程中，我发现了几个问题：
持有基金详情页中只有基金的总的持有成本，昨日收益，持有收益，但是，在不同时期购入的基金的成本是不同的，点击详情可以查看业绩走势，但是没有具体的成本，购买记录，申购和赎回手续费。当你购买了好几个不同的基金，这需要你每次一个一个点进去看，这样不容易且不直观分析数据。
支付宝没有一个很好的挑选基金的方法，对于购买基金的韭菜来说，讲的就是效率，不用讲什么技术，低买高卖就是王道。
支付宝的基金走势需要你去一个个点进去看，当你购买的基金数量和种类较多时，查看很不方便。
本项目拟解决上述三个问题，解决方案：
- 设计一套基金投资记录系统，用于记录每次基金的投资明细，基于B/S架构，具有可视化和数据分析的功能。
- 设计一个基金推荐系统，该系统采集和监控每天的基金数据，根据一定的策略，生成推荐的基金，推送到微信。
- 可视化系统使用Streamlit实现，该库是一个优秀的大数据分析和可视化库，之前在商业项目中使用过，效果不错。
- 数据来源：设计爬虫爬取天天基金网的数据或者采用可以直接调用数据的库。
- 数据库采用Sqlite，方便用户配置，可以做到开箱即用。
- 微信推送采用【Server酱】的微信推送服务。
- 部署环境：IBM 的CF服务可以免费注册使用，基金设置策略筛选模块我在本地已经测试了一个月，非常稳定。所有基金的历史数据到20200629日，共占用存储空间400多MB，IBM的免费套餐支持1GB的存储空间，应该可以支持长期使用。
(base) ➜ Fund git:(master) tree .
.
|-- LICENSE
|-- Makefile
|-- README.md
|-- database_temp
| `-- create_table.sql
|-- fund
| |-- Procfile
| |-- README.md
| |-- __init__.py
| |-- __pycache__
| | |-- funddata.cpython-38.pyc
| | `-- recommend.cpython-38.pyc
| |-- fund.bat
| |-- funddata.py
| |-- main.py
| |-- manifest.yml
| |-- recommend.py
| `-- requirements.txt
|-- images
| `-- \351\241\271\347\233\256\350\215\211\347\250\27720200629.png
|-- requirements.txt
|-- setup.py
`-- tests
`-- __init__.pyfund采用pypi package的封装结构，fund为库的名字，funddata.py为采集模块，采集天天基金的数据，并写入到api中，采集数据分为两部分，一部分是历史数据，一部分是增量数据。recommend.py模块为基金推荐模块，通过设置一定的策略，进行推荐策略。
2021年4月8日开始对代码进行重构，具体包括数据采集模块的鲁棒性设计，回测模块的设计，策略模块的设计，web模块的设计等
.
|-- LICENSE
|-- Makefile
|-- README.md
|-- database
|-- fund
|-- images
|-- requirements.txt
|-- scripts
|-- setup.py
|-- tests
`-- web其中，fund文件夹是核心模块：
.
|-- common
|-- policy
`-- requirements.txtcommon模块主要用于一些基础组件，例如数据库连接，爬虫等，policy模块主要用于策略的编写，结合上层目录中的script模块，进行回测模块的整合。
- 增加几种常用的数据库支持：Mysql
- 优化数据库表结构
- 优化现有的根据阈值设置的量化策略指标
- 增加量化策略指标策略，例如当前值占历史估值的百分位
- 增加基金的实时估值的接口
- 量化交易（预测），根据美股，A股历史数据，预测出未来基金的走势
