From a49002f62274a01c7b049400e8eae3cbfe7b3af6 Mon Sep 17 00:00:00 2001
From: aszerW <aszer27937@gmail.com>
Date: Thu, 14 May 2026 01:31:39 +0800
Subject: [PATCH] =?UTF-8?q?fix(datasource):=20=E6=BA=A2=E4=BB=B7=E7=8E=87?=
 =?UTF-8?q?=E8=AE=A1=E7=AE=97=E6=94=B9=E7=94=A8=E5=90=8C=E4=B8=80=E5=A4=A9?=
 =?UTF-8?q?=E5=B8=82=E4=BB=B7=E4=B8=8E=E5=87=80=E5=80=BC?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

问题：之前用 ffill 将前一天净值填充到当天，导致溢价率偏差过大
例如：5月13日市价 4.048 vs 5月12日净值 3.946 → 溢价率 2.58%

修复：
- 不使用 ffill，只计算有净值日期的溢价率
- 使用 price_df 和 nav_df 的交集日期计算
- 溢价率 = (当天市价 - 当天净值) / 当天净值
- 5月12日市价 3.94 vs 净值 3.946 → 溢价率 ~0%

注意：净值 T+1 公布，最新一天溢价率可能无法计算
---
 datasource/universal_fetcher.py | 24 +++++++++++++-----------
 1 file changed, 13 insertions(+), 11 deletions(-)

diff --git a/datasource/universal_fetcher.py b/datasource/universal_fetcher.py
index e64b7ab..0400d58 100644
--- a/datasource/universal_fetcher.py
+++ b/datasource/universal_fetcher.py
@@ -236,34 +236,36 @@ class UniversalDataFetcher:
         
         溢价率 = (ETF收盘价 - ETF净值) / ETF净值
         
-        注意：净值数据通常T+1公布，需要处理日期对齐问题
+        注意：净值数据通常T+1公布，只计算有净值日期的溢价率
+        不使用 ffill，只保留当天有净值数据的日期
         
         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（索引为日期，值为溢价率）
+            溢价率Series（索引为净值日期，值为溢价率）
         """
-        # 对齐日期：净值用ffill填充（因为T+1公布）
-        # 价格日期可能比净值日期多一天
-        # 先去除重复日期
+        # 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')]
-            price_index = price_df.index
         
         nav_index = nav_df.index
         if nav_index.has_duplicates:
             nav_df = nav_df[~nav_df.index.duplicated(keep='last')]
         
-        aligned_nav = nav_df['nav'].reindex(price_index, method='ffill')
+        # 找到共同的日期（只有当天有净值数据才计算溢价率）
+        common_dates = price_df.index.intersection(nav_df.index)
         
-        # 计算溢价率
-        close_prices = price_df['close']
-        premium = (close_prices - aligned_nav) / aligned_nav
+        if len(common_dates) == 0:
+            return None
         
-        # 过滤掉无效值（净值缺失的日期）
+        # 只计算共同日期的溢价率
+        close_prices = price_df.loc[common_dates, 'close']
+        nav_values = nav_df.loc[common_dates, 'nav']
+        
+        premium = (close_prices - nav_values) / nav_values
         premium = premium.dropna()
         
         return premium