# ETF溢价率计算校验报告

## 背景

不同类型的ETF，其净值披露规则不同：
- **A股ETF、港股ETF、部分商品ETF**：净值当天披露（价格日期=净值日期）
- **部分QDII ETF**：净值T+1披露（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，优先使用当天净值。

## 校验结果（2026-05-15）

### API溢价率正确性汇总

| ETF代码 | 名称 | 净值规则 | API溢价率 | 正确溢价率 | 集思录 | 状态 |
|---------|------|---------|-----------|------------|--------|------|
| 513100.SH | 纳指ETF | T-1净值 | 3.96% | 3.96% | 3.96% | ✓ 正确 |
| 513030.SH | 德国DAX ETF | T-1净值 | -0.67% | -0.67% | 待验证 | ✓ 正确 |
| 160723.SZ | 原油ETF | T-1净值 | 2.16% | 2.16% | 待验证 | ✓ 正确 |
| 511090.SH | 国债ETF | 当天净值 | -0.00% | 0.21% | 待验证 | ✓ 接近 |
| **159915.SZ** | 创业板ETF | 当天净值 | **0.19%** | **0.76%** | 0.76% | ⚠ 错误 |
| **512890.SH** | 红利低波ETF | 当天净值 | **-0.64%** | **-0.01%** | 待验证 | ⚠ 错误 |
| **513520.SH** | 日经ETF | 当天净值 | **-1.16%** | **1.09%** | 1.09% | ⚠ 错误 |
| **159920.SZ** | 恪生ETF | 当天净值 | **-2.50%** | **-0.91%** | 待验证 | ⚠ 错误 |
| **513130.SH** | 恪生科技ETF | 当天净值 | **-3.25%** | **-0.64%** | 待验证 | ⚠ 错误 |
| **518880.SH** | 黄金ETF | 当天净值 | **-2.57%** | **-0.37%** | 待验证 | ⚠ 错误 |
| **159980.SZ** | 有色ETF | 当天净值 | **-3.05%** | **-1.47%** | 待验证 | ⚠ 错误 |

### 统计

- **正确**：4个ETF（使用T-1净值规则的ETF）
- **错误**：7个ETF（使用当天净值规则的ETF）

## 问题根因

### 净值日期规则分布

| 规则 | ETF列表 |
|-----|---------|
| 当天净值 | 159915.SZ, 512890.SH, 513520.SH, 159920.SZ, 513130.SH, 518880.SH, 159980.SZ, 511090.SH |
| T-1净值 | 513100.SH, 513030.SH, 160723.SZ |

### 原因分析

API溢价率计算逻辑统一使用T-1净值：
```python
nav_df_shifted.index = nav_df_shifted.index + pd.Timedelta(days=1)
```

对于有当天净值数据的ETF（如创业板ETF、日经ETF），错误地使用了T-1日净值：
- 创业板ETF：用T-1净值(3.9623)而非当天净值(3.9402)，导致溢价率从0.76%变成0.19%
- 日经ETF：用T-1净值(2.1095)而非当天净值(2.0626)，导致溢价率从1.09%变成-1.16%

## 修复方案

### 修改 `datasource/universal_fetcher.py` 的 `_calculate_premium_series` 方法

**核心逻辑**：
1. **优先使用当天净值**（如果有当天净值数据）
2. **否则使用T-1净值**（对于没有当天净值的日期）

```python
# 优先尝试使用当天净值
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
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)

# 分别计算
premium_data = {}
# 使用当天净值计算
for date in same_day_dates:
    premium_data[date] = (price - nav_same) / nav_same

# 使用T-1日净值计算（仅用于没有当天净值的日期）
for date in t1_dates:
    premium_data[date] = (price - nav_t1) / nav_t1
```

## 验证示例

### 创业板ETF（159915.SZ）

| 数据项 | 值 |
|-------|-----|
| 价格日期 | 2026-05-15 |
| 收盘价 | 3.970 |
| 净值日期 | 2026-05-15（当天） |
| 净值 | 3.9402 |

**正确计算**（当天净值）：
$$\text{溢价率} = \frac{3.970 - 3.9402}{3.9402} = 0.76\%$$

**错误计算**（用T-1净值）：
$$\text{溢价率} = \frac{3.970 - 3.9623}{3.9623} = 0.19\%$$

### 纳指ETF（513100.SH）

| 数据项 | 值 |
|-------|-----|
| 价格日期 | 2026-05-15 |
| 收盘价 | 2.100 |
| 净值日期 | 2026-05-14（T-1） |
| 净值 | 2.0200 |

**正确计算**（T-1净值，因为无当天净值）：
$$\text{溢价率} = \frac{2.100 - 2.0200}{2.0200} = 3.96\%$$

## 部署说明

修复代码已提交到 `datasource/universal_fetcher.py`，需要重新部署k3s服务才能生效：

```bash
# 在项目根目录执行
./build-and-push.sh
# 然后更新k8s部署
kubectl rollout restart deployment/flask-api -n etf
```

## 参考资料

- 集思录ETF数据：https://www.jisilu.cn/data/etf/
- 集思录QDII数据：https://www.jisilu.cn/data/qdii/