fix(report): 修正溢价率计算逻辑为使用ETF收盘价替代净值

- 修改生成性能报告时溢价率计算逻辑，改用信号日期的ETF收盘价
- 溢价率仅在当天净值数据存在时计算，避免使用前一日数据
- 更新打印最新调仓信号函数，支持显示ETF收盘价而非净值
- 修改报告图表部分，显示ETF收盘价和对应溢价率
- 优化时间基准日期计算，使用信号日期或前一交易日作为数据基准
- 保持对跨市场ETF映射的兼容性和显示一致性

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
+                # 获取ETF净值数据（净值通常滞后一天，所以end_date+1）
-                nav_data = self._fetch_etf_nav(etf_code, start_date, end_date)
+                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
+        # 数据对齐策略：使用各标的能获取到的最新数据
-        # 强制从 Tushare 获取A股交易日历（不管配置中是否有A股指数）
+        # 以A股最新数据日期为基准，其他市场数据对齐到该日期
-        start_str = index_data.index.min().strftime('%Y%m%d')
+        
-        end_str = index_data.index.max().strftime('%Y%m%d')
+        # 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（只到A股最新数据日期）
-        
-        # 重新索引到A股交易日
         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）
+        # 策略：价格数据保持原始值，不做填充
-        # 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）
+        # 指标计算后会和价格作为一个整体进行向前填充
-        #   - 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
         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")
         

core/factors/momentum.py

@@ -79,6 +79,11 @@ def calculate_daily_return(price_series: pd.Series) -> pd.Series:
     return price_series / price_series.shift(1) - 1
 
 
+def _is_china_index(code: str) -> bool:
+    """判断是否为A股指数"""
+    return code.endswith('.SH') or code.endswith('.SZ') or code.endswith('.SS')
+
+
 def compute_factors(
     index_data: pd.DataFrame,
     code_list: list,
@@ -88,19 +93,24 @@ def compute_factors(
     code_config: dict = None,
 ) -> tuple[pd.DataFrame, list]:
     """
-    计算所有指数的因子和日收益率（支持指数-ETF双轨数据）
+    计算所有指数的因子和日收益率（横截面策略版本）
+    
+    核心逻辑：
+    1. 每个标的按照自己的交易日历计算技术指标
+    2. 对齐到A股交易日历（取离A股交易日最近的有效数据，不使用未来数据）
+    3. 严格控制T+1规则：T日收盘计算信号，使用T日及之前的数据
     
     Args:
-        index_data: 指数价格数据（宽格式，用于因子计算）
+        index_data: 指数价格数据（宽格式，已对齐到A股交易日历，非A股可能有NaN）
         code_list: 指数代码列表
         n: 动量/趋势窗口
         factor_type: 'momentum' 或 'slope_r2'
         etf_data: ETF价格数据（宽格式，用于收益计算）
-        code_config: 代码配置字典 {code: {name, etf, market}}，用于判断是否为加密货币
+        code_config: 代码配置字典 {code: {name, etf, market}}
 
     Returns:
         tuple: (result_df, valid_codes)
-        - result_df: 包含因子得分和日收益率的DataFrame
+        - result_df: 包含因子得分和日收益率的DataFrame（按A股交易日对齐）
         - valid_codes: 有效代码列表
     """
     code_config = code_config or {}
@@ -109,45 +119,68 @@ def compute_factors(
     if etf_data is None:
         etf_data = pd.DataFrame()
     
-    result = index_data.copy()
+    # 获取A股交易日历（index_data的索引）
+    a_share_dates = index_data.index
     
-    # 过滤掉缺失值过多的指数
+    # 过滤有效代码
-    total_rows = len(result)
     valid_codes = []
     for code in code_list:
-        if code not in result.columns:
+        if code not in index_data.columns:
             print(f"  ⚠ 跳过 {code}: 不在数据中")
             continue
-        null_pct = result[code].isnull().sum() / total_rows
-        if null_pct > 0.2:
-            print(f"  ⚠ 剔除 {code}: 缺失率 {null_pct:.1%} 过高")
-            result = result.drop(columns=[code])
-        else:
         valid_codes.append(code)
     
-    # 对有效指数计算因子和收益率
+    # 为每个标的单独计算指标，然后对齐到A股交易日历
+    result = pd.DataFrame(index=a_share_dates)
+    
     for code in valid_codes:
-        # 因子基于指数价格计算
+        # 获取该标的的原始价格数据（去除NaN）
+        price_series = index_data[code].dropna()
+        
+        if len(price_series) < n + 1:
+            print(f"  ⚠ 剔除 {code}: 数据不足 ({len(price_series)} < {n+1})")
+            valid_codes.remove(code)
+            continue
+        
+        # 按照该标的自己的交易日历计算指标
         if factor_type == "momentum":
-            result[f"得分_{code}"] = calculate_momentum(result[code], n)
+            factor_series = calculate_momentum(price_series, n)
         elif factor_type == "slope_r2":
-            result[f"得分_{code}"] = calculate_slope_r2(result[code], n)
+            factor_series = calculate_slope_r2(price_series, n)
         else:
             raise ValueError(f"不支持的因子类型: {factor_type}")
         
-        # 日收益率基于指数价格计算（回测使用指数价格）
+        # 计算日收益率
-        result[f"日收益率_{code}"] = calculate_daily_return(result[code])
+        return_series = calculate_daily_return(price_series)
         
-    # 按得分列做 dropna
+        # 对齐到A股交易日历：取离A股交易日最近的有效数据（不使用未来数据）
-    score_cols = [f"得分_{code}" for code in valid_codes]
+        # 使用reindex + method='ffill'，确保T日使用T日或之前的数据
+        result[code] = price_series.reindex(a_share_dates, method='ffill')
+        result[f"得分_{code}"] = factor_series.reindex(a_share_dates, method='ffill')
+        result[f"日收益率_{code}"] = return_series.reindex(a_share_dates, method='ffill')
+    
+    # 过滤掉缺失值过多的指数（基于A股交易日历）
+    total_rows = len(result)
+    final_valid_codes = []
+    for code in valid_codes:
+        null_pct = result[code].isnull().sum() / total_rows
+        if null_pct > 0.2:
+            print(f"  ⚠ 剔除 {code}: 对齐后缺失率 {null_pct:.1%} 过高")
+            result = result.drop(columns=[code, f"得分_{code}", f"日收益率_{code}"], errors='ignore')
+        else:
+            final_valid_codes.append(code)
+
+    # 按得分列做 dropna（确保所有标的同时有数据）
+    score_cols = [f"得分_{code}" for code in final_valid_codes]
     result = result.dropna(subset=score_cols)
 
     print("\n因子计算完成:")
     print(f"  因子类型: {factor_type}")
     print(f"  窗口天数: {n}")
-    print(f"  有效指数: {len(valid_codes)}/{len(code_list)}")
+    print(f"  有效指数: {len(final_valid_codes)}/{len(code_list)}")
     print(f"  有效数据: {len(result)} 行")
-    if etf_data is not index_data:
+    print(f"  时间范围: {result.index[0].date()} ~ {result.index[-1].date()}")
+    if etf_data is not index_data and not etf_data.empty:
         print(f"  使用ETF数据计算收益: ✓")
 
-    return result, valid_codes
+    return result, final_valid_codes

strategies/rotation/report.py

@@ -88,28 +88,33 @@ def generate_performance_report(
 
     # 计算溢价率（需要ETF价格和ETF净值）
     # 溢价率 = (ETF价格 - ETF净值) / ETF净值
-    # 注意：信号是基于前一日数据计算的，所以使用 signal_date - 1 的数据
+    # 使用信号日期的ETF收盘价，但只有当天有净值数据时才计算溢价率
-    etf_nav_data = {}
+    etf_close_data = {}  # ETF收盘价
-    premium_data = {}
+    premium_data = {}    # 溢价率（仅当当天有净值时计算）
     
-    if etf_price_data is not None and etf_nav_data_raw is not None:
+    if etf_price_data is not None:
-        # 使用信号前一天的数据（因为信号是基于前一天收盘数据计算的）
         signal_date = backtest_result.index[-1]
-        data_base_date = signal_date - pd.Timedelta(days=1)
         
-        # 确保数据基准日期在数据范围内
+        # 获取信号日期的ETF收盘价
-        if data_base_date in etf_price_data.index and data_base_date in etf_nav_data_raw.index:
+        if signal_date in etf_price_data.index:
             for code in code_list:
-                if code in etf_price_data.columns and code in etf_nav_data_raw.columns:
+                if code in etf_price_data.columns:
-                    etf_price = etf_price_data.loc[data_base_date, code]
+                    etf_close = etf_price_data.loc[signal_date, code]
-                    etf_nav = etf_nav_data_raw.loc[data_base_date, code]
+                    if pd.notna(etf_close):
-                    if pd.notna(etf_price) and pd.notna(etf_nav) and etf_nav > 0:
+                        etf_close_data[code] = etf_close
-                        premium = (etf_price - etf_nav) / etf_nav
+        
+        # 计算溢价率：只有当天有净值数据时才计算
+        if etf_nav_data_raw is not None and signal_date in etf_nav_data_raw.index:
+            for code in code_list:
+                if code in etf_close_data and code in etf_nav_data_raw.columns:
+                    etf_nav = etf_nav_data_raw.loc[signal_date, code]
+                    if pd.notna(etf_nav) and etf_nav > 0:
+                        etf_close = etf_close_data[code]
+                        premium = (etf_close - etf_nav) / etf_nav
                         premium_data[code] = premium
-                        etf_nav_data[code] = etf_nav
     
     # 打印最新调仓信号
-    _print_latest_signal(backtest_result, code_list, code_name_map, select_num, code_config, etf_nav_data, premium_data)
+    _print_latest_signal(backtest_result, code_list, code_name_map, select_num, code_config, etf_close_data, premium_data)
 
     # 绘制图表
     _plot_report_chart(
@@ -144,17 +149,20 @@ def generate_performance_report(
     }
 
 
-def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_name_map: dict, select_num: int, code_config: dict = None, etf_nav_data: dict = None, premium_data: dict = None):
+def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_name_map: dict, select_num: int, code_config: dict = None, etf_close_data: dict = None, premium_data: dict = None):
-    """打印最新调仓信号（支持ETF映射、ETF净值和溢价率显示）"""
+    """打印最新调仓信号（支持ETF映射、ETF收盘价和溢价率显示）"""
     code_config = code_config or {}
-    etf_nav_data = etf_nav_data or {}
+    etf_close_data = etf_close_data or {}
     premium_data = premium_data or {}
     latest = _extract_latest_positions(backtest_result, code_list, code_name_map, select_num)
     signal_date = latest["signal_date"]
     signal_date_str = signal_date.strftime("%Y-%m-%d")
     
-    # 数据基准日期（信号是基于前一日数据计算的）
+    # 数据基准日期：使用信号日期的数据
-    # 根据跨市场ETF映射方案：T+1日09:00计算的信号基于T日数据
+    # 如果信号日期没有数据，则使用前一天
+    if signal_date in backtest_result.index:
+        data_base_date = signal_date
+    else:
         data_base_date = signal_date - pd.Timedelta(days=1)
     data_base_date_str = data_base_date.strftime("%Y-%m-%d")
 
@@ -165,8 +173,8 @@ def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_na
     print(f"  信号日期: {signal_date_str} (基于 {data_base_date_str} 收盘数据)")
     print()
 
-    # 表头 - 添加ETF净值和溢价率列
+    # 表头 - 添加ETF收盘价和溢价率列
-    print(f'  {"标的名称":<10} {"指数代码":>12} {"ETF代码":>12} {"仓位":>6} {"得分":>8} {"进场日期":>12} {"指数进场价":>10} {"指数最新价":>10} {"ETF净值":>10} {"溢价率":>8} {"操作":>6} {"持有天数":>8} {"盈亏":>10}')
+    print(f'  {"标的名称":<10} {"指数代码":>12} {"ETF代码":>12} {"仓位":>6} {"得分":>8} {"进场日期":>12} {"指数进场价":>10} {"指数最新价":>10} {"ETF收盘价":>10} {"溢价率":>8} {"操作":>6} {"持有天数":>8} {"盈亏":>10}')
     print("  " + "-" * 155)
 
     # 下期持仓（调入/维持）
@@ -186,19 +194,19 @@ def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_na
         if etf_code is None:
             etf_code = '直接交易'
         
-        # 获取ETF净值和溢价率
+        # 获取ETF收盘价和溢价率
         if market == 'CRYPTO':
-            etf_nav_str = '        —'
+            etf_close_str = '        —'
             premium_str = '      —'
         else:
-            # ETF净值
+            # ETF收盘价
-            etf_nav = etf_nav_data.get(idx_code)
+            etf_close = etf_close_data.get(idx_code)
-            if etf_nav is not None:
+            if etf_close is not None:
-                etf_nav_str = f'{etf_nav:>10.3f}'
+                etf_close_str = f'{etf_close:>10.3f}'
             else:
-                etf_nav_str = '        —'
+                etf_close_str = '        —'
             
-            # 溢价率
+            # 溢价率（只有当天有净值数据时才显示）
             premium = premium_data.get(idx_code)
             if premium is not None:
                 # 高溢价警告标记
@@ -207,7 +215,7 @@ def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_na
             else:
                 premium_str = '      —'
 
-        print(f'  {pos["name"]:<10} {idx_code:>12} {etf_code:>12} {pos["weight"]:>6.0%} {score_str} {entry_date_str:>12} {entry_str} {pos["current_price"]:>10.2f} {etf_nav_str} {premium_str} {flag}{pos["action"]:>4} {days_str} {pnl_str}')
+        print(f'  {pos["name"]:<10} {idx_code:>12} {etf_code:>12} {pos["weight"]:>6.0%} {score_str} {entry_date_str:>12} {entry_str} {pos["current_price"]:>10.2f} {etf_close_str} {premium_str} {flag}{pos["action"]:>4} {days_str} {pnl_str}')
 
     # 需调出的品种
     if latest["exit_positions"]:
@@ -220,7 +228,7 @@ def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_na
             entry_date_str = pos["entry_date"].strftime("%Y-%m-%d") if pos.get("entry_date") else '          —'
             score_str = '        —'  # 调出品种无得分
             
-            # 获取ETF代码、ETF净值和溢价率
+            # 获取ETF代码、ETF收盘价和溢价率
             idx_code = pos["code"]
             cfg = code_config.get(idx_code, {})
             etf_code = cfg.get('etf', '—')
@@ -228,19 +236,19 @@ def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_na
             if etf_code is None:
                 etf_code = '直接交易'
             
-            # 获取ETF净值和溢价率
+            # 获取ETF收盘价和溢价率
             if market == 'CRYPTO':
-                etf_nav_str = '        —'
+                etf_close_str = '        —'
                 premium_str = '      —'
             else:
-                # ETF净值
+                # ETF收盘价
-                etf_nav = etf_nav_data.get(idx_code)
+                etf_close = etf_close_data.get(idx_code)
-                if etf_nav is not None:
+                if etf_close is not None:
-                    etf_nav_str = f'{etf_nav:>10.3f}'
+                    etf_close_str = f'{etf_close:>10.3f}'
                 else:
-                    etf_nav_str = '        —'
+                    etf_close_str = '        —'
                 
-                # 溢价率
+                # 溢价率（只有当天有净值数据时才显示）
                 premium = premium_data.get(idx_code)
                 if premium is not None:
                     warning = '⚠️' if premium > 0.02 else ''
@@ -248,7 +256,7 @@ def _print_latest_signal(backtest_result: pd.DataFrame, code_list: list, code_na
                 else:
                     premium_str = '      —'
 
-            print(f'    {pos["name"]:<10} {idx_code:>12} {etf_code:>12} {pos["weight"]:>6.0%} {score_str} {entry_date_str:>12} {entry_str} {pos["current_price"]:>10.2f} {etf_nav_str} {premium_str} ▼调出 {days_str} {pnl_str}')
+            print(f'    {pos["name"]:<10} {idx_code:>12} {etf_code:>12} {pos["weight"]:>6.0%} {score_str} {entry_date_str:>12} {entry_str} {pos["current_price"]:>10.2f} {etf_close_str} {premium_str} ▼调出 {days_str} {pnl_str}')
 
     print("=" * 160)
 
@@ -428,22 +436,33 @@ def _plot_report_chart(
     # 准备配置数据
     code_config = code_config or {}
     signal_date = backtest_result.index[-1]
-    # 数据基准日期（信号是基于前一日数据计算的）
+    # 数据基准日期：使用信号日期的数据，如果没有则使用前一天
+    if signal_date in backtest_result.index:
+        data_base_date = signal_date
+    else:
         data_base_date = signal_date - pd.Timedelta(days=1)
     
-    # 计算ETF净值和溢价率（使用数据基准日期的数据）
+    # 计算ETF收盘价和溢价率（使用信号日期的数据）
-    etf_nav_dict = {}
+    etf_close_dict = {}  # ETF收盘价
-    premium_dict = {}
+    premium_dict = {}    # 溢价率（仅当当天有净值时计算）
-    if etf_price_data is not None and etf_nav_data_raw is not None:
+    
-        # 确保数据基准日期在数据范围内
+    if etf_price_data is not None:
-        if data_base_date in etf_price_data.index and data_base_date in etf_nav_data_raw.index:
+        # 获取信号日期的ETF收盘价
+        if signal_date in etf_price_data.index:
             for code in code_list:
-                if code in etf_price_data.columns and code in etf_nav_data_raw.columns:
+                if code in etf_price_data.columns:
-                    etf_price = etf_price_data.loc[data_base_date, code]
+                    etf_close = etf_price_data.loc[signal_date, code]
-                    etf_nav = etf_nav_data_raw.loc[data_base_date, code]
+                    if pd.notna(etf_close):
-                    if pd.notna(etf_price) and pd.notna(etf_nav) and etf_nav > 0:
+                        etf_close_dict[code] = etf_close
-                        premium = (etf_price - etf_nav) / etf_nav
+        
-                        etf_nav_dict[code] = etf_nav
+        # 计算溢价率：只有当天有净值数据时才计算
+        if etf_nav_data_raw is not None and signal_date in etf_nav_data_raw.index:
+            for code in code_list:
+                if code in etf_close_dict and code in etf_nav_data_raw.columns:
+                    etf_nav = etf_nav_data_raw.loc[signal_date, code]
+                    if pd.notna(etf_nav) and etf_nav > 0:
+                        etf_close = etf_close_dict[code]
+                        premium = (etf_close - etf_nav) / etf_nav
                         premium_dict[code] = premium
 
     # 计算表格行数
@@ -460,14 +479,17 @@ def _plot_report_chart(
 
     signal_date = latest["signal_date"]
     signal_date_str = signal_date.strftime("%Y-%m-%d")
-    # 数据基准日期（信号是基于前一日数据计算的）
+    # 数据基准日期：使用信号日期的数据，如果没有则使用前一天
+    if signal_date in backtest_result.index:
+        data_base_date = signal_date
+    else:
         data_base_date = signal_date - pd.Timedelta(days=1)
     data_base_date_str = data_base_date.strftime("%Y-%m-%d")
     ax0.set_title(f"最新调仓信号  (信号日期: {signal_date_str}，基于 {data_base_date_str} 数据，下一交易日执行)", fontsize=14, fontweight="bold", loc="left", pad=15)
 
-    # 构建表格数据（添加ETF代码、ETF净值和溢价率列）
+    # 构建表格数据（添加ETF代码、ETF收盘价和溢价率列）
     table_data = []
-    col_labels = ["标的名称", "指数代码", "ETF代码", "仓位", "得分", "进场日期", "进场价", "最新价", "ETF净值", "溢价率", "操作", "持有天数", "盈亏"]
+    col_labels = ["标的名称", "指数代码", "ETF代码", "仓位", "得分", "进场日期", "进场价", "最新价", "ETF收盘价", "溢价率", "操作", "持有天数", "盈亏"]
 
     # 下期持仓（调入/维持）
     for pos in latest["positions"]:
@@ -477,7 +499,7 @@ def _plot_report_chart(
         entry_date_str = pos["entry_date"].strftime("%m-%d") if pos.get("entry_date") else "—"
         score_str = f'{pos["score"]:.2f}' if pos["score"] is not None else "—"
         
-        # 获取ETF代码、ETF净值和溢价率
+        # 获取ETF代码、ETF收盘价和溢价率
         idx_code = pos["code"]
         cfg = code_config.get(idx_code, {})
         market = cfg.get('market', 'A')
@@ -486,12 +508,12 @@ def _plot_report_chart(
             etf_code = '直接交易'
         
         if market == 'CRYPTO':
-            etf_nav_str = "—"
+            etf_close_str = "—"
             premium_str = "—"
         else:
-            etf_nav = etf_nav_dict.get(idx_code)
+            etf_close = etf_close_dict.get(idx_code)
             premium = premium_dict.get(idx_code)
-            etf_nav_str = f"{etf_nav:.3f}" if etf_nav is not None else "—"
+            etf_close_str = f"{etf_close:.3f}" if etf_close is not None else "—"
             if premium is not None:
                 warning = "⚠️" if premium > 0.02 else ""
                 premium_str = f"{premium:+.2%}{warning}"
@@ -501,7 +523,7 @@ def _plot_report_chart(
         table_data.append([
             pos["name"], pos["code"], etf_code, f'{pos["weight"]:.0%}',
             score_str, entry_date_str, entry_str, f'{pos["current_price"]:.2f}',
-            etf_nav_str, premium_str, pos["action"], days_str, pnl_str
+            etf_close_str, premium_str, pos["action"], days_str, pnl_str
         ])
 
     # 需调出的品种
@@ -512,7 +534,7 @@ def _plot_report_chart(
         entry_date_str = pos["entry_date"].strftime("%m-%d") if pos.get("entry_date") else "—"
         score_str = "—"  # 调出品种无得分
         
-        # 获取ETF代码、ETF净值和溢价率
+        # 获取ETF代码、ETF收盘价和溢价率
         idx_code = pos["code"]
         cfg = code_config.get(idx_code, {})
         market = cfg.get('market', 'A')
@@ -521,12 +543,12 @@ def _plot_report_chart(
             etf_code = '直接交易'
         
         if market == 'CRYPTO':
-            etf_nav_str = "—"
+            etf_close_str = "—"
             premium_str = "—"
         else:
-            etf_nav = etf_nav_dict.get(idx_code)
+            etf_close = etf_close_dict.get(idx_code)
             premium = premium_dict.get(idx_code)
-            etf_nav_str = f"{etf_nav:.3f}" if etf_nav is not None else "—"
+            etf_close_str = f"{etf_close:.3f}" if etf_close is not None else "—"
             if premium is not None:
                 warning = "⚠️" if premium > 0.02 else ""
                 premium_str = f"{premium:+.2%}{warning}"
@@ -536,7 +558,7 @@ def _plot_report_chart(
         table_data.append([
             pos["name"], pos["code"], etf_code, f'{pos["weight"]:.0%}',
             score_str, entry_date_str, entry_str, f'{pos["current_price"]:.2f}',
-            etf_nav_str, premium_str, "调出", days_str, pnl_str
+            etf_close_str, premium_str, "调出", days_str, pnl_str
         ])
 
     if table_data: