持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第 20 天，点击查看活动详情
1 前言
在前文中我们已经分享了以中证 500 为标的雪球产品模型，并且讲解了雪球的核心计算逻辑，在本文中将继续分享后续的模型统计问题，在本文中将涉及数据统计的问题。
2 雪球计算逻辑
在进行数据统计之前，需要讲述一下雪球产品的整体逻辑，具体的逻辑如下所示：
在前文中我们已经讲述了数据加载和雪球的核心计算逻辑，在本文中将进行数据回测的胜率，敲入敲出的数据统计信息，以及敲出的月份统计信息。
在这个模型计算过程中，计算全区间的胜率情况，胜率的计算就是计算数据中的赢的标记数量之和与总数据的比值。
在计算完区间统计的胜率后，就可以计算数据统计期间的敲入和敲出的次数和对应的概率。
对于敲出数据的统计分布，计算的代码如下图所示：
以上雪球的核心代码都已经说明完毕，在这里主要运用了 numpy 和 pandas 的数据操作，以及 dateutil 时间的相关操作。
3 运算结果
在 main 方法中运行代码，最终得到的结果如下图所示：
如上图所示，在该雪球产品的计算结果中我们可以知道，区间的胜率达到了 79%，这个胜率已经相当的客观，面对七亏二平一赚的市场，这样的操作结果已经相当不错了，那么针对获胜的情况，具体是几个月之后敲出，如下图所示：
如上图所示结果，可以看出 64% 的数据都在购买后的第四个月进行了敲出，获取了固定收益。其中 9.6% 的数据在地 5 个月进行了敲出，从以上结果来看，雪球产品是一款固定收益的理财产品，获胜的概率相当高，而且其基本上持有的概率比较短。
4 总结
通过以上的分享，我们对雪球的产品有了认知和了解，在这个过程中，主要是学习和分析整个雪球框架的逻辑，以及数据分析的有关工具，在后续的文章中将继续分享类似的内容，欢迎大家关注。
