diff --git a/datasource/universal_fetcher.py b/datasource/universal_fetcher.py
index b25bb24..15c1e2f 100644
--- a/datasource/universal_fetcher.py
+++ b/datasource/universal_fetcher.py
@@ -236,8 +236,13 @@ class UniversalDataFetcher:
         
         溢价率 = (ETF收盘价 - ETF净值) / ETF净值
         
-        关键：QDII基金净值T+1披露，需要用T日收盘价配T-1日净值
-        集思录做法：价格日期配前一日净值（净值日期滞后一天）
+        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）
@@ -255,22 +260,41 @@ class UniversalDataFetcher:
         if nav_index.has_duplicates:
             nav_df = nav_df[~nav_df.index.duplicated(keep='last')]
         
-        # QDII净值T+1披露：T日收盘价配T-1日净值
-        # 将净值索引后移一天，使价格日期与前一日净值对齐
+        # 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)
         
-        # 找到对齐后的共同日期（价格日期）
-        common_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)
         
-        if len(common_dates) == 0:
+        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
         
-        # 计算溢价率：T日收盘价 / T-1日净值（已后移到T日索引）
-        close_prices = price_df.loc[common_dates, 'close']
-        nav_values = nav_df_shifted.loc[common_dates, 'nav']
-        
-        premium = (close_prices - nav_values) / nav_values
+        # 构建Series并按日期排序
+        premium = pd.Series(premium_data)
+        premium = premium.sort_index()
         premium = premium.dropna()
         
         return premium