首先用Bing搜gold price，得到下图：
然后用Gwenview, IrfanView等裁剪图片，得到下图：
然后用程序找出红线上各点坐标。如果提取红色通道，由于白是(255,255,255)，红是(255,0,0)，就分不清了。所以我们提取绿色通道。绿色代表下跌，一般没人用。提取后再画出来，如下图：
差不多与原图一致。注意y要从[0,height)缩放为原图的，比如[0,4500)。然后假设每期投1000元，计算结果是：
总投入：705000
总份额：4314.979
收益率：24.9倍 2492.82%
1995年，北京外销商品房均价2~3万元/㎡（按当时汇率1:8折算），普通住宅因福利分房制度主导，市场交易极少。向个人出售的商品住宅的平均价格为2427元/㎡，但实际可购渠道受限，单位团购仍是主流。区域差异明显，二环内商品房售价6500-8000元/㎡，四环外近郊区约2500-4500元/㎡。同期煎饼果子价格约1.5元/套（基础款）。
程序：
import sys import numpy as np from PIL import Imageimg = Image.open(sys.argv[1]) # If用红色通道，红和白都是白，所以用绿 ary = np.array(img.split()[1]) >> 4''' ue, counts = np.unique(ary, return_counts=True) sorted_indices = np.argsort(-counts) r = ue[sorted_indices], counts[sorted_indices] [15, 12, 0, 14...] [179351, 9084, 1715, 411...] So 0 the color is. '''data = []; height,width = ary.shape for x in range(width):points = np.where(ary[:, x][:] <= 5)[0]n = len(points)if n == 0:print('Point missing')if len(data): data.append(data[-1])else:data.append(height - points[n // 2])# 图不一样时要换4500这个高度 data = np.array(data) / height * 4500import matplotlib.pyplot as plt plt.plot(data, color='green') plt.show()# 705 705，最好相等 n = len(data); print(n, width)z = data # 净值(zhi) c = n * [1000] # capital sum_c = sum(c) print(f'总投入：{sum_c}') sum_s = 0 # sum_share for i in range(n): sum_s += c[i] / z[i] print(f'总份额：{sum_s:.3f}') # 份额×末期净值 - 投入 ret = sum_s * z[-1] - sum_c print(f'收益率：{ret/sum_c:0.1f}倍 {100*ret/sum_c:.2f}%')
补充：裁多了。应正好裁外框——可用opencv的演示程序squares.py :-)