# 统一数据获取接口 (UniversalDataFetcher)

## 概述

`UniversalDataFetcher` 是一个封装了 Tushare、YFinance、CCXT 等多个数据源的统一接口，能够自动识别资产类型并路由到对应的数据源获取K线数据。

## 支持的资产类型

| 资产类型 | 代码格式示例 | 数据源 | 说明 |
|---------|------------|--------|------|
| A股指数 | `000300.SH`, `399006.SZ`, `H30269.CSI` | Tushare (index_daily) | 沪深交易所指数、中证指数 |
| A股ETF | `510300.SH`, `159915.SZ` | Tushare (fund_daily) | 场内交易型开放式指数基金 |
| A股股票 | `600000.SH`, `000001.SZ` | Tushare (daily) | 沪深A股 |
| 港股指数 | `HSI`, `HSTECH.HK` | YFinance | 恒生指数、恒生科技等 |
| 美股指数 | `NDX`, `SPX`, `DJI` | YFinance | 纳斯达克、标普500、道琼斯 |
| 美股股票 | `AAPL`, `MSFT`, `GOOGL` | YFinance | 美股个股 |
| 期货合约 | `AU.SHF`, `CU.SHF` | Tushare (fut_daily) | 上期所、大商所等期货 |
| 加密货币 | `BTC`, `ETH` | CCXT/OKX | 比特币、以太坊等 |

## 快速开始

### 1. 基础用法

```python
from core.datasource.universal_fetcher import fetch_kline

# 获取A股指数
df = fetch_kline("000300.SH", "2024-01-01", "2024-03-31")
print(df.tail())
```

输出：
```
                 open    high     low   close    volume      code
date                                                            
2024-03-25  3564.488  3574.77  3547.43  3559.70  2.8576e+08  000300.SH
2024-03-26  3561.748  3592.50  3561.75  3591.53  2.9412e+08  000300.SH
2024-03-27  3587.960  3595.71  3561.65  3564.16  3.0183e+08  000300.SH
2024-03-28  3562.771  3575.31  3546.99  3570.56  2.7411e+08  000300.SH
2024-03-29  3573.374  3586.97  3568.63  3586.97  2.5862e+08  000300.SH
```

### 2. 检测资产类型

```python
from core.datasource.universal_fetcher import detect_asset_type

codes = ["000300.SH", "510300.SH", "NDX", "AAPL", "BTC", "AU.SHF"]

for code in codes:
    asset_type = detect_asset_type(code)
    print(f"{code:15s} -> {asset_type}")
```

输出：
```
000300.SH       -> china_index
510300.SH       -> china_etf
NDX             -> us_index
AAPL            -> us_stock
BTC             -> crypto
AU.SHF          -> futures
```

### 3. 批量获取

```python
from core.datasource.universal_fetcher import UniversalDataFetcher

codes = ["000300.SH", "NDX", "HSI", "AU.SHF"]

fetcher = UniversalDataFetcher()
with fetcher:
    results = fetcher.fetch_multiple(codes, "2024-01-01", "2024-03-31")

for code, df in results.items():
    if df is not None:
        print(f"✓ {code}: {len(df)} 条, 最新收盘价 {df['close'].iloc[-1]:.3f}")
```

### 4. 配置SSH隧道（访问受限数据源）

```python
ssh_config = {
    "enabled": True,
    "host": "your-server.com",
    "port": 22,
    "username": "your-username",
    "key_path": "/path/to/private/key.pem",
    "local_port": 1080,
}

fetcher = UniversalDataFetcher(ssh_config=ssh_config)
with fetcher:
    df = fetcher.fetch("NDX", "2024-01-01", "2024-03-31")
```

## API 参考

### UniversalDataFetcher 类

#### 初始化

```python
UniversalDataFetcher(ssh_config: Optional[dict] = None, use_cache: bool = True)
```

参数：
- `ssh_config`: SSH隧道配置字典（可选）
- `use_cache`: 是否使用缓存（可选，默认 True）

#### fetch() - 获取单只标的

```python
fetcher.fetch(
    code: str,
    start_date: str,
    end_date: str,
    retry: int = 3
) -> Optional[pd.DataFrame]
```

参数：
- `code`: 标的代码
- `start_date`: 开始日期，格式 'YYYY-MM-DD'
- `end_date`: 结束日期，格式 'YYYY-MM-DD'
- `retry`: 重试次数（默认 3）

返回：
- DataFrame，包含列: `[open, high, low, close, volume, code]`
- 索引为日期（DatetimeIndex）
- 失败时返回 None

#### fetch_multiple() - 批量获取

```python
fetcher.fetch_multiple(
    codes: List[str],
    start_date: str,
    end_date: str,
    retry: int = 3
) -> Dict[str, Optional[pd.DataFrame]]
```

返回：
- 字典 `{code: DataFrame}`

### 便捷函数

#### fetch_kline()

```python
from core.datasource.universal_fetcher import fetch_kline

df = fetch_kline("000300.SH", "2024-01-01", "2024-03-31")
```

#### detect_asset_type()

```python
from core.datasource.universal_fetcher import detect_asset_type

asset_type = detect_asset_type("000300.SH")  # 返回 'china_index'
```

## 使用示例

### 示例1: 跨市场组合分析

```python
from core.datasource.universal_fetcher import UniversalDataFetcher
import pandas as pd

portfolio = {
    "000300.SH": "沪深300",
    "NDX": "纳斯达克100",
    "HSI": "恒生指数",
    "N225": "日经225",
}

fetcher = UniversalDataFetcher()
with fetcher:
    results = fetcher.fetch_multiple(
        list(portfolio.keys()),
        "2024-01-01",
        "2024-12-31"
    )

# 合并收盘价
close_prices = pd.DataFrame()
for code, name in portfolio.items():
    if results[code] is not None:
        close_prices[name] = results[code]['close']

# 计算年化收益率
returns = close_prices.pct_change().dropna()
annual_returns = (returns.mean() * 252 * 100).round(2)
print(annual_returns)
```

### 示例2: 结合技术指标

```python
from core.datasource.universal_fetcher import fetch_kline

df = fetch_kline("000300.SH", "2024-01-01", "2024-06-30")

# 计算移动平均线
df['MA5'] = df['close'].rolling(5).mean()
df['MA20'] = df['close'].rolling(20).mean()

# 计算RSI
delta = df['close'].diff()
gain = delta.where(delta > 0, 0).rolling(14).mean()
loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
df['RSI'] = 100 - (100 / (1 + gain/loss))

print(df[['close', 'MA5', 'MA20', 'RSI']].tail())
```

### 示例3: 与轮动策略集成

```python
from core.datasource.universal_fetcher import UniversalDataFetcher

code_config = {
    "399006.SZ": {"name": "创业板指", "etf": "159915.SZ", "market": "A"},
    "NDX": {"name": "纳指100", "etf": "513100.SH", "market": "US"},
}

all_codes = list(code_config.keys())
etf_codes = [cfg['etf'] for cfg in code_config.values()]

fetcher = UniversalDataFetcher()
with fetcher:
    # 获取指数数据（用于因子计算）
    index_data = fetcher.fetch_multiple(all_codes, "2024-01-01", "2024-03-31")
    
    # 获取ETF数据（用于收益计算）
    etf_data = fetcher.fetch_multiple(etf_codes, "2024-01-01", "2024-03-31")
```

## 数据源路由逻辑

```
输入代码
  ↓
资产类型检测器 (AssetTypeDetector)
  ↓
┌─────────────────────────────────┐
│  检测规则（按优先级）:            │
│  1. 加密货币代码集合匹配          │
│  2. 期货后缀匹配 (.SHF等)        │
│  3. 港股后缀匹配 (.HK)           │
│  4. A股后缀匹配 (.SH/.SZ等)      │
│  5. 美股指数映射表匹配            │
│  6. 默认: 美股股票               │
└─────────────────────────────────┘
  ↓
数据源路由:
  ├─ china_index/etf/stock → Tushare
  ├─ hk/us_index/stock     → YFinance
  ├─ futures               → Tushare (fut_daily)
  └─ crypto                → CCXT/OKX
```

## A股代码分类规则

```
6位数字代码:
  ├─ 指数前缀: 000, 001, 002, 399, 930, 931, 932
  │   └─ → china_index
  ├─ ETF前缀: 51, 52, 56, 58, 15, 16
  │   └─ → china_etf
  └─ 其他
      └─ → china_stock
```

## 环境要求

### 必需

- Python 3.8+
- pandas
- yfinance

### 按数据源

- **Tushare**: 需要设置环境变量 `TUSHARE_TOKEN`
- **YFinance**: 网络可达（中国地区可能需要SSH隧道）
- **CCXT**: 需要安装 `ccxt` 库

### 安装依赖

```bash
pip install pandas yfinance tushare ccxt
```

### 配置 Tushare Token

在 `.env` 文件中添加：

```env
TUSHARE_TOKEN=your_tushare_api_token
```

## 测试

运行测试脚本：

```bash
python tests/test_universal_fetcher.py
```

## 示例代码

查看更多示例：

```bash
python examples/universal_fetcher_examples.py
```

## 与现有代码的关系

`UniversalDataFetcher` 是对现有 `HybridDataSource` 的封装和扩展：

- **复用**: 内部使用 `HybridDataSource` 的底层数据获取逻辑
- **扩展**: 增加了对A股股票、自动资产类型检测、便捷函数等功能
- **简化**: 提供了更简单的API，无需手动判断数据源

## 常见问题

### Q: 为什么获取美股数据失败？

A: YFinance 在中国大陆可能被限制，需要配置SSH隧道或使用代理。

### Q: 如何获取ETF净值数据？

A: 当前接口返回的是交易价格（收盘价）。如需净值数据，请直接使用 `HybridDataSource._fetch_etf_nav()` 方法。

### Q: 支持分钟级数据吗？

A: 当前仅支持日线数据。如需分钟级数据，需要扩展接口。

### Q: 如何添加新的资产类型？

A: 在 `AssetTypeDetector` 中添加检测规则，在 `UniversalDataFetcher` 中添加对应的获取方法即可。

## 更新日志

### v1.0.0 (2024-XX-XX)

- 初始版本
- 支持8种资产类型
- 自动资产类型检测
- 批量获取功能
- SSH隧道支持
- 完善的测试和示例

## 许可证

MIT License