diff --git a/core/datasource/hybrid_source.py b/core/datasource/hybrid_source.py
index 30dbcc7..f955487 100644
--- a/core/datasource/hybrid_source.py
+++ b/core/datasource/hybrid_source.py
@@ -338,7 +338,11 @@ class HybridDataSource:
 
         try:
             ticker = yf.Ticker(yf_code)
-            data = ticker.history(start=start_date, end=end_date)
+            # auto_adjust=False 获取不复权价格，与网页显示一致
+            # end_date 需要加一天，因为 yfinance 的 end 是排他的
+            from datetime import timedelta
+            end_date_obj = pd.Timestamp(end_date) + timedelta(days=1)
+            data = ticker.history(start=start_date, end=end_date_obj.strftime('%Y-%m-%d'), auto_adjust=False)
 
             if len(data) == 0:
                 return None
@@ -585,8 +589,10 @@ class HybridDataSource:
                 
                 # 获取ETF价格数据
                 price_data = self._fetch_etf(etf_code, start_date, end_date)
-                # 获取ETF净值数据
-                nav_data = self._fetch_etf_nav(etf_code, start_date, end_date)
+                # 获取ETF净值数据（净值通常滞后一天，所以end_date+1）
+                from datetime import timedelta
+                nav_end_date = (pd.Timestamp(end_date) + timedelta(days=1)).strftime('%Y-%m-%d')
+                nav_data = self._fetch_etf_nav(etf_code, start_date, nav_end_date)
                 
                 if price_data is not None and len(price_data) > 0:
                     # 使用指数代码作为列名，保持与指数数据一致
@@ -633,42 +639,38 @@ class HybridDataSource:
             aggfunc='first'
         )
         
-        # 以A股交易日为基准，对齐所有数据
-        # 强制从 Tushare 获取A股交易日历（不管配置中是否有A股指数）
-        start_str = index_data.index.min().strftime('%Y%m%d')
-        end_str = index_data.index.max().strftime('%Y%m%d')
+        # 数据对齐策略：使用各标的能获取到的最新数据
+        # 以A股最新数据日期为基准，其他市场数据对齐到该日期
+        
+        # 获取A股最新数据日期
+        china_codes = [c for c in valid_codes if self._is_china_index(c)]
+        if china_codes:
+            a_share_latest = index_data[china_codes].dropna().index.max()
+        else:
+            # 如果没有A股，使用所有数据的最早最新日期
+            a_share_latest = index_data.dropna().index.max()
+        
+        print(f"  A股最新数据日期: {a_share_latest.strftime('%Y-%m-%d')}")
+        
+        # 获取A股交易日历（从start_date到a_share_latest）
+        start_str = pd.Timestamp(start_date).strftime('%Y%m%d')
+        end_str = a_share_latest.strftime('%Y%m%d')
         
         import tushare as ts
         pro = ts.pro_api(self._get_tushare_token())
         trade_cal = pro.trade_cal(start_date=start_str, end_date=end_str, is_open='1')
         a_share_dates = pd.to_datetime(trade_cal['cal_date']).sort_values()
         
-        print(f"  A股交易日历: {len(a_share_dates)} 天 ({start_str} ~ {end_str})")
-        
-        # 重新索引到A股交易日
+        # 重新索引到A股交易日（只到A股最新数据日期）
         index_data = index_data.reindex(a_share_dates)
         
         # 对非A股指数进行数据对齐
-        # 港股、美股：T日收盘，T+1日09:00前使用T日数据（前向填充）
-        # 加密货币、期货（含夜盘）：T+1日09:00前使用T+1日数据（后向填充）
-        #   - 加密货币UTC 00:00收盘（北京时间08:00）
-        #   - 期货AU.SHF夜盘02:30收盘，数据标记为T+1日
+        # 策略：价格数据保持原始值，不做填充
+        # 指标计算后会和价格作为一个整体进行向前填充
         non_a_codes = [c for c in valid_codes if not self._is_china_index(c)]
-        yf_codes = [c for c in non_a_codes if not self._is_crypto(c) and not self._is_futures(c)]
-        crypto_futures_codes = [c for c in non_a_codes if self._is_crypto(c) or self._is_futures(c)]
-        
-        # 港股/美股：前向填充（使用T日数据）
-        for code in yf_codes:
-            if code in index_data.columns:
-                index_data[code] = index_data[code].ffill().bfill()
-        
-        # 加密货币/期货：后向填充（使用T+1日数据）
-        for code in crypto_futures_codes:
-            if code in index_data.columns:
-                index_data[code] = index_data[code].bfill().ffill()
         
         if non_a_codes:
-            print(f"  非A股标的: {len(non_a_codes)} 只 (港股/美股:ffill, 加密货币/期货:bfill)")
+            print(f"  非A股标的: {len(non_a_codes)} 只 (价格保持原始值)")
         
         print(f"  时间范围: {index_data.index[0]} ~ {index_data.index[-1]}")
         print(f"  交易日数: {len(index_data)}")
@@ -717,9 +719,9 @@ class HybridDataSource:
                 aggfunc='first'
             )
             
-            # 对齐到A股交易日，并前向填充缺失值（净值数据通常T+1更新）
+            # 对齐到A股交易日，但不填充缺失值（保持原始数据，让报告层决定是否显示溢价率）
             etf_nav_data = etf_nav_data.reindex(a_share_dates)
-            etf_nav_data = etf_nav_data.ffill()  # 前向填充缺失的净值数据
+            # 注意：不做ffill填充，保持NaN表示当天无净值数据
             
             print(f"  ETF净值数据: {len(etf_nav_data.columns)} 只")