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

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

datasource/flask_server.py

@@ -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)

datasource/tushare_source.py

@@ -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

datasource/universal_fetcher.py

@@ -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)
+        return self._tushare.fetch_etf_with_nav(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
     
-    def _calculate_premium_series(
+    # 移除 _calculate_premium_series 方法（已下移到 TushareSource）
-        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
     
     # ============================================================
     # 内部方法：特殊资产类型（保留）