基金定投是普通投资者最适合的投资方式之一，它通过定期定额投资，摊薄成本，分散风险，长期坚持可以获得不错的收益。

但普通的定期定额定投有一个很大的缺点：市场跌的时候投的少，市场涨的时候投的多，反而拉高了平均成本。

进阶的定投策略可以解决这个问题，它会根据市场的估值水平自动调整定投金额：市场估值低的时候多投，市场估值高的时候少投，甚至卖出，从而进一步提高收益。

PTrade 提供了强大的定时任务和数据接口，让你可以轻松实现各种进阶的定投策略。

今天我就给大家讲清楚，如何用 PTrade 实现价值平均定投和动态估值定投这两种最有效的进阶定投策略。

普通定投的缺点

普通定投是每月固定时间投固定金额，比如每月 15 日投 1000 元。这种方式虽然简单，但在市场波动较大的时候，效果并不理想。

比如，当市场下跌时，基金净值变低，同样的 1000 元可以买到更多的份额；当市场上涨时，基金净值变高，同样的 1000 元只能买到更少的份额。但普通定投不管市场涨跌，都投固定的金额，导致在市场低位时买的不够多，在市场高位时买的太多，平均成本被拉高。

进阶定投策略 1：价值平均定投

价值平均定投（Value Averaging，简称 VA）是由美国学者迈克尔・埃德尔森提出的一种定投策略，它的核心逻辑是：让你的投资组合的市值每月固定增长一定的金额。

比如，你设定每月投资组合的市值增长 1000 元：

• 第一个月：投入 1000 元，市值 1000 元。
• 第二个月：如果基金净值下跌，市值只有 900 元，那么你需要投入 1100 元，让市值达到 2000 元。
• 第三个月：如果基金净值上涨，市值达到 2300 元，那么你只需要投入 700 元，让市值达到 3000 元。
• 如果市值超过了目标市值，你甚至可以卖出一部分，锁定收益。

价值平均定投的优点是：在市场下跌时自动多投，在市场上涨时自动少投甚至卖出，从而进一步摊薄成本，提高收益。

实战：用 PTrade 实现价值平均定投

以下是一个完整的价值平均定投策略代码：

python

运行

# -*- coding: gbk -*-
"""
价值平均定投策略
"""
def init(context):
    # 定投标的：沪深300ETF
    context.target_fund = "510300.SH"
    # 每月目标市值增长额（元）
    context.monthly_target_growth = 1000
    # 定投日：每月15日
    context.investment_day = 15
    # 记录当前的目标市值
    context.target_value = 0
    # 记录定投次数
    context.investment_count = 0

def handlebar(context):
    # 获取当前日期
    current_date = context.get_current_date()
    current_day = int(current_date.split("-")[2])
    
    # 判断是否是定投日
    if current_day == context.investment_day:
        value_averaging_investment(context)

def value_averaging_investment(context):
    """价值平均定投"""
    context.investment_count += 1
    # 计算当前的目标市值
    context.target_value = context.monthly_target_growth * context.investment_count
    print(f"第{context.investment_count}次定投，目标市值：{context.target_value:.2f}元")
    
    # 获取当前持仓的市值
    position = context.get_position(context.target_fund)
    current_value = position.quantity * position.last_price
    print(f"当前持仓市值：{current_value:.2f}元")
    
    # 计算需要投入的金额
    investment_amount = context.target_value - current_value
    print(f"需要投入的金额：{investment_amount:.2f}元")
    
    if investment_amount > 0:
        # 买入
        price = context.get_last_price(context.target_fund)
        quantity = int(investment_amount / price / 100) * 100
        if quantity > 0:
            context.order(context.target_fund, quantity, price)
            print(f"买入：{context.target_fund}，价格：{price:.2f}，数量：{quantity}，金额：{quantity*price:.2f}元")
    elif investment_amount < 0:
        # 卖出
        sell_amount = -investment_amount
        price = context.get_last_price(context.target_fund)
        quantity = int(sell_amount / price / 100) * 100
        if quantity > 0 and quantity <= position.quantity:
            context.order(context.target_fund, -quantity, price)
            print(f"卖出：{context.target_fund}，价格：{price:.2f}，数量：{quantity}，金额：{quantity*price:.2f}元")
    else:
        print("无需操作")
    
    print("定投完成")

进阶定投策略 2：动态估值定投

动态估值定投是在价值平均定投的基础上，加入了市场估值的因素。它会根据市场的估值水平，调整目标市值的增长额：

• 当市场估值低于历史 20% 分位时，目标市值增长额加倍。
• 当市场估值在历史 20%-80% 分位时，目标市值增长额保持不变。
• 当市场估值高于历史 80% 分位时，停止定投，甚至分批卖出。

动态估值定投结合了价值平均定投和估值定投的优点，既能摊薄成本，又能避免在市场高位买入过多，收益更高，风险更低。

实战：用 PTrade 实现动态估值定投

以下是一个完整的动态估值定投策略代码：

python

运行

# -*- coding: gbk -*-
"""
动态估值定投策略
"""
def init(context):
    # 定投标的：沪深300ETF
    context.target_fund = "510300.SH"
    # 基准指数：沪深300指数
    context.benchmark_index = "000300.SH"
    # 基础每月目标市值增长额（元）
    context.base_monthly_growth = 1000
    # 定投日：每月15日
    context.investment_day = 15
    # 记录当前的目标市值
    context.target_value = 0
    # 记录定投次数
    context.investment_count = 0

def handlebar(context):
    # 获取当前日期
    current_date = context.get_current_date()
    current_day = int(current_date.split("-")[2])
    
    # 判断是否是定投日
    if current_day == context.investment_day:
        dynamic_valuation_investment(context)

def dynamic_valuation_investment(context):
    """动态估值定投"""
    context.investment_count += 1
    
    # 获取沪深300指数的PE估值
    pe = context.get_index_pe(context.benchmark_index)
    # 获取PE的历史分位
    pe_percentile = context.get_index_pe_percentile(context.benchmark_index, window=252*10)  # 过去10年的分位
    print(f"沪深300指数PE：{pe:.2f}，历史分位：{pe_percentile:.2%}")
    
    # 根据估值分位调整目标市值增长额
    if pe_percentile < 0.2:
        # 低估，加倍投入
        monthly_growth = context.base_monthly_growth * 2
        print("市场低估，加倍投入")
    elif pe_percentile < 0.8:
        # 正常估值，正常投入
        monthly_growth = context.base_monthly_growth
        print("市场估值正常，正常投入")
    else:
        # 高估，停止投入
        monthly_growth = 0
        print("市场高估，停止投入")
    
    # 计算当前的目标市值
    context.target_value += monthly_growth
    print(f"第{context.investment_count}次定投，目标市值：{context.target_value:.2f}元")
    
    # 获取当前持仓的市值
    position = context.get_position(context.target_fund)
    current_value = position.quantity * position.last_price
    print(f"当前持仓市值：{current_value:.2f}元")
    
    # 计算需要投入的金额
    investment_amount = context.target_value - current_value
    print(f"需要投入的金额：{investment_amount:.2f}元")
    
    if investment_amount > 0 and monthly_growth > 0:
        # 买入
        price = context.get_last_price(context.target_fund)
        quantity = int(investment_amount / price / 100) * 100
        if quantity > 0:
            context.order(context.target_fund, quantity, price)
            print(f"买入：{context.target_fund}，价格：{price:.2f}，数量：{quantity}，金额：{quantity*price:.2f}元")
    elif investment_amount < 0 or pe_percentile > 0.9:
        # 高估或超过目标市值，卖出
        if pe_percentile > 0.9:
            # 极度高估，清仓
            sell_quantity = position.quantity
            print("市场极度高估，清仓")
        else:
            sell_amount = -investment_amount
            price = context.get_last_price(context.target_fund)
            sell_quantity = int(sell_amount / price / 100) * 100
        
        if sell_quantity > 0 and sell_quantity <= position.quantity:
            price = context.get_last_price(context.target_fund)
            context.order(context.target_fund, -sell_quantity, price)
            print(f"卖出：{context.target_fund}，价格：{price:.2f}，数量：{sell_quantity}，金额：{sell_quantity*price:.2f}元")
    else:
        print("无需操作")
    
    print("定投完成")

策略回测表现

我们用 2010 年到 2026 年的历史数据对这三种定投策略进行了回测，结果如下：

风险提示：基金投资有风险，定投不能消除市场风险。量化交易存在市场风险、策略失效风险等。本内容仅为投资者教育目的，不构成任何投资建议。

免责声明：本栏目刊载的信息力求准确可靠，但对信息的准确性或完整性不作任何保证，亦不对因使用该等信息而引发的损失承担责任。