aszer/etf
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

refactor: 将ETF净值和溢价率逻辑下移到TushareSource层

Browse Source 
重构说明：
- TushareSource: 新增 fetch_etf_with_nav() 和 _calculate_premium_series()
- UniversalDataFetcher: 简化 fetch_etf_with_nav() 为透传调用
- Flask: 更新注释说明数据层已处理

架构优势：
- 职责分离：TushareSource 封装完整数据获取逻辑
- 可复用性：任何调用 TushareSource 的地方都有净值
- 维护性：业务逻辑集中在数据源层
- 符合单一职责原则
This commit is contained in:
aszerW
2026-05-23 22:28:21 +08:00
parent 50b5f09d84
commit 2867ae8d21
3 changed files with 113 additions and 86 deletions
Download Patch File Download Diff File Expand all files Collapse all files

6
datasource/flask_server.py
View File

@@ -713,19 +713,19 @@ def get_ohlcv():
result['asset_type'] = final_type.value # 使用最终类型
result['adj'] = adj # 返回使用的 adj 参数
# 如果是中国 ETF，始终附加净值和溢价率数据（与 adj 无关）
# 如果是中国 ETF，附加净值和溢价率数据（数据层已处理）
if final_type == AssetType.CHINA_ETF:
try:
f = get_fetcher()
with f:
# 注意：始终使用原始价格计算溢价率（净值无复权概念）
# 调用 TushareSource 的完整方法
price_df, nav_df, premium_series = f.fetch_etf_with_nav(code, start, end)
# 添加净值数据
if nav_df is not None and len(nav_df) > 0:
result['nav'] = dataframe_to_json(nav_df)
# 添加溢价率数据（使用抽取的函数）
# 添加溢价率数据
premium_result = build_premium_result(premium_series)
if premium_result:
result.update(premium_result)

108
datasource/tushare_source.py
View File

@@ -5,7 +5,7 @@ Tushare数据源
"""
import os
from typing import Optional
from typing import Optional, Tuple
from datetime import datetime
import pandas as pd
@@ -276,6 +276,112 @@ class TushareSource:
prefix = code[:2]
return prefix in ['51', '52', '15', '16']
def fetch_etf_with_nav(
self,
code: str,
start_date: str,
end_date: str
) -> Tuple[Optional[pd.DataFrame], Optional[pd.DataFrame], Optional[pd.Series]]:
"""
获取ETF完整数据（价格 + 净值 + 溢价率序列）
Args:
code: ETF代码，如 '159915.SZ', '518880.SH'
start_date: 开始日期 'YYYY-MM-DD'
end_date: 结束日期 'YYYY-MM-DD'
Returns:
(price_df, nav_df, premium_series)
- price_df: ETF价格数据 (OHLCV)
- nav_df: ETF净值数据
- premium_series: 溢价率序列 (每天计算)
"""
# 1. 获取价格
price_df = self.fetch_etf(code, start_date, end_date)
# 2. 获取净值
nav_df = self.fetch_etf_nav(code, start_date, end_date)
# 3. 计算溢价率
premium_series = None
if price_df is not None and nav_df is not None and len(nav_df) > 0:
premium_series = self._calculate_premium_series(price_df, nav_df)
return price_df, nav_df, premium_series
def _calculate_premium_series(
self,
price_df: pd.DataFrame,
nav_df: pd.DataFrame
) -> Optional[pd.Series]:
"""
计算历史溢价率序列
溢价率 = (ETF收盘价 - ETF净值) / ETF净值
关键：不同QDII基金净值披露规则不同
- 部分基金净值当天披露（如日经ETF）：价格日期=净值日期
- 部分基金净值T+1披露（如纳指ETF）：价格日期配T-1日净值
集思录做法：根据基金特性选择匹配方式
- 如果有当天净值数据，优先使用当天净值
- 如果当天净值不存在，使用T-1日净值
Args:
price_df: ETF价格数据（索引为日期）
nav_df: ETF净值数据（索引为日期）
Returns:
溢价率Series（索引为价格日期，值为溢价率）
"""
# 去除重复日期
price_index = price_df.index
if price_index.has_duplicates:
price_df = price_df[~price_df.index.duplicated(keep='last')]
nav_index = nav_df.index
if nav_index.has_duplicates:
nav_df = nav_df[~nav_df.index.duplicated(keep='last')]
# 优先尝试使用当天净值（如日经ETF）
same_day_dates = price_df.index.intersection(nav_df.index)
# 对于没有当天净值的日期，使用T-1日净值（如纳指ETF）
nav_df_shifted = nav_df.copy()
nav_df_shifted.index = nav_df_shifted.index + pd.Timedelta(days=1)
shifted_dates = price_df.index.intersection(nav_df_shifted.index)
# 排除已有当天净值的日期
t1_dates = shifted_dates.difference(same_day_dates)
premium_data = {}
# 使用当天净值计算
if len(same_day_dates) > 0:
close_same = price_df.loc[same_day_dates, 'close']
nav_same = nav_df.loc[same_day_dates, 'nav']
for date in same_day_dates:
if pd.notna(close_same.loc[date]) and pd.notna(nav_same.loc[date]):
premium_data[date] = (close_same.loc[date] - nav_same.loc[date]) / nav_same.loc[date]
# 使用T-1日净值计算（仅用于没有当天净值的日期）
if len(t1_dates) > 0:
close_t1 = price_df.loc[t1_dates, 'close']
nav_t1 = nav_df_shifted.loc[t1_dates, 'nav']
for date in t1_dates:
if pd.notna(close_t1.loc[date]) and pd.notna(nav_t1.loc[date]):
premium_data[date] = (close_t1.loc[date] - nav_t1.loc[date]) / nav_t1.loc[date]
if len(premium_data) == 0:
return None
# 构建Series并按日期排序
premium = pd.Series(premium_data)
premium = premium.sort_index()
premium = premium.dropna()
return premium
def fetch_etf_adj(self, code: str, start_date: str, end_date: str) -> Optional[pd.DataFrame]:
"""
获取 ETF 后复权价格数据

85
datasource/universal_fetcher.py
View File

@@ -308,7 +308,7 @@ class UniversalDataFetcher:
"""
获取ETF价格 + 净值 + 溢价率序列
计算每一天的溢价率，用于分析溢价率走势
直接调用 TushareSource 的完整方法，封装业务逻辑
Args:
code: ETF代码
@@ -321,88 +321,9 @@ class UniversalDataFetcher:
- nav_df: ETF净值数据
- premium_series: 溢价率序列 (每天计算)
"""
price_df = self._tushare.fetch_etf(code, start_date, end_date)
nav_df = self._tushare.fetch_etf_nav(code, start_date, end_date)
# 计算历史溢价率序列
premium_series = None
if price_df is not None and nav_df is not None and len(nav_df) > 0:
premium_series = self._calculate_premium_series(price_df, nav_df)
return price_df, nav_df, premium_series
return self._tushare.fetch_etf_with_nav(code, start_date, end_date)
def _calculate_premium_series(
self,
price_df: pd.DataFrame,
nav_df: pd.DataFrame
) -> Optional[pd.Series]:
"""
计算历史溢价率序列
溢价率 = (ETF收盘价 - ETF净值) / ETF净值
关键：不同QDII基金净值披露规则不同
- 部分基金净值当天披露（如日经ETF）：价格日期=净值日期
- 部分基金净值T+1披露（如纳指ETF）：价格日期配T-1日净值
集思录做法：根据基金特性选择匹配方式
- 如果有当天净值数据，优先使用当天净值
- 如果当天净值不存在，使用T-1日净值
Args:
price_df: ETF价格数据（索引为日期）
nav_df: ETF净值数据（索引为日期）
Returns:
溢价率Series（索引为价格日期，值为溢价率）
"""
# 去除重复日期
price_index = price_df.index
if price_index.has_duplicates:
price_df = price_df[~price_df.index.duplicated(keep='last')]
nav_index = nav_df.index
if nav_index.has_duplicates:
nav_df = nav_df[~nav_df.index.duplicated(keep='last')]
# 优先尝试使用当天净值（如日经ETF）
same_day_dates = price_df.index.intersection(nav_df.index)
# 对于没有当天净值的日期，使用T-1日净值（如纳指ETF）
nav_df_shifted = nav_df.copy()
nav_df_shifted.index = nav_df_shifted.index + pd.Timedelta(days=1)
shifted_dates = price_df.index.intersection(nav_df_shifted.index)
# 排除已有当天净值的日期
t1_dates = shifted_dates.difference(same_day_dates)
premium_data = {}
# 使用当天净值计算
if len(same_day_dates) > 0:
close_same = price_df.loc[same_day_dates, 'close']
nav_same = nav_df.loc[same_day_dates, 'nav']
for date in same_day_dates:
if pd.notna(close_same.loc[date]) and pd.notna(nav_same.loc[date]):
premium_data[date] = (close_same.loc[date] - nav_same.loc[date]) / nav_same.loc[date]
# 使用T-1日净值计算（仅用于没有当天净值的日期）
if len(t1_dates) > 0:
close_t1 = price_df.loc[t1_dates, 'close']
nav_t1 = nav_df_shifted.loc[t1_dates, 'nav']
for date in t1_dates:
if pd.notna(close_t1.loc[date]) and pd.notna(nav_t1.loc[date]):
premium_data[date] = (close_t1.loc[date] - nav_t1.loc[date]) / nav_t1.loc[date]
if len(premium_data) == 0:
return None
# 构建Series并按日期排序
premium = pd.Series(premium_data)
premium = premium.sort_index()
premium = premium.dropna()
return premium
# 移除 _calculate_premium_series 方法（已下移到 TushareSource）
# ============================================================
# 内部方法：特殊资产类型（保留）