learn/量化工程优化/纳指ETF溢价获取方案.md

📄 文档learn/量化工程优化/纳指ETF溢价获取方案.md

🌱 创建于2026-06-27 01:04

✏️ 修改于2026-06-27 01:04

👁️ 浏览量—

🔗 短链接/~learn/s/4b179b58

🔐 可见性

纳指ETF官方溢价数据获取方案

> 日期: 2026-06-01 > 背景: 之前使用 QQQ 美股 ETF 作为基准的间接计算法存在系统性偏差（低估约 5%），现已接入官方净值 API。

---

一、问题回顾

1.1 旧方案（QQQ 基准法）

溢价率 = (ETF市价 - QQQ × 校准比率) / (QQQ × 校准比率) × 100%

QQQ 是 Invesco QQQ Trust（美股纳斯达克100ETF）
每 63 个交易日重校准比率 = ETF收盘价 / QQQ收盘价的中位数（IQR 去噪）
优点：可回测到 2015 年，数据源稳定（Excel + API + 新浪实时）
缺点：系统性低估真实溢价约 5 个百分点

1.2 偏差原因

因素	影响
------	------
基金管理费 (0.80%/年)	QQQ 基准不扣费，导致公允价偏高
QDII 额度约束	A股 ETF 存在结构性溢价，美股 QQQ 不存在
汇率摩擦	QQQ 以美元计价，ETF 以人民币计价，汇率不完全同步
跟踪误差	QQQ 与纳指 100 指数本身有微小偏差

1.3 交叉验证证据

数据源	日期	净值	市价	溢价率
--------	------	------	------	:---:
广发基金官方公告	2026-05-29	IOPV=1.5445	1.6940	9.69%
天天基金 API	2026-05-28	dwjz=1.5445	1.6940	9.69%
QQQ 基准法（旧）	2026-05-29	fair=1.6191	1.6940	4.63%

官方公告与 API 数据完全吻合，QQQ 基准法低估 5.06 个百分点。

---

二、新方案（双源对比）

2.1 数据源架构

┌─────────────────────────────────────────────────┐
│           ETF 溢价率计算（双源）                    │
├─────────────────────────────────────────────────┤
│                                                   │
│  源1: 官方净值法 (用于实时决策)                      │
│    └─ 天天基金 API                                 │
│       fundgz.1234567.com.cn/js/{code}.js          │
│       → dwjz(单位净值) + jzrq(净值日期)             │
│       溢价 = (市价 - 净值) / 净值 × 100%             │
│                                                   │
│  源2: QQQ基准法 (用于历史回测)                       │
│    └─ QQQ美股 ETF 日线 + 季度校准比率               │
│       数据源: Alpha Vantage → CSV缓存 → 新浪兜底     │
│       溢价 = (市价 - QQQ×校准比) / (QQQ×校准比)      │
│                                                   │
│  API 免费，无需 Key，国内可直连                       │
└─────────────────────────────────────────────────┘

2.2 天天基金 API 调用

# 获取指定 ETF 的最新官方净值
import requests, re

url = 'https://fundgz.1234567.com.cn/js/159941.js'
r = requests.get(url, headers={'Referer': 'https://fund.eastmoney.com/'})
m = re.search(r'jsonpgz\((\{.*\})\)', r.text)
data = json.loads(m.group(1))

# data = {
#     'fundcode': '159941',
#     'name': '纳指ETF广发',
#     'jzrq': '2026-05-28',      # 净值日期
#     'dwjz': '1.5445',           # 单位净值 (= IOPV)
#     'gsz': '1.5498',            # 估算值
#     'gszzl': '0.34',            # 估算涨跌幅
# }

2.3 历史净值获取（东方财富 API）

# 获取历史净值（可用于回测）
url = 'https://api.fund.eastmoney.com/f10/lsjz'
params = {
    'callback': 'jQuery',
    'fundCode': '159941',
    'pageIndex': 1, 'pageSize': 20,
    'startDate': '2026-05-01', 'endDate': '2026-05-30',
}
# 返回: FSRQ(日期), DWJZ(单位净值), LJJZ(累计净值), JZZZL(增长率)

---

三、代码位置

文件	职责
------	------
`quant/data_process/nasdaq_premium_calculator.py`	核心计算器，含 `_fetch_official_nav_latest()`
`quant/data_process/market_data_processer.py`	推送消息中展示双源溢价 + 仓位建议
`quant/check_premium.py`	快速查看脚本（双源对比）
`quant/utils/eastmoney_us_util.py`	东方财富美股 K 线（备用数据源）
`quant/utils/forex_loader.py`	汇率加载器（备用，当前使用东方财富 USDCNH）

运行方式

# 快速查看当前所有纳指/标普 ETF 溢价
.venv/bin/python -m adata.aohan.quant.check_premium

# 综合回测（溢价分布 + 策略阈值 + 买最便宜分析）
.venv/bin/python -m adata.aohan.quant.chart_test.premium_comprehensive_backtest

# 多 ETF 对比分析
.venv/bin/python -m adata.aohan.quant.chart_test.nasdaq_multi_etf_analysis

---

四、对历史回测结论的影响评估

4.1 回测用的方法

所有历史回测（premium_comprehensive_backtest.py、nasdaq_multi_etf_analysis.py）均使用 QQQ 基准法 计算溢价。该方法：

使用 QQQ 美股 ETF 日线作为基准
每 63 个交易日重校准比率
可回溯至 ETF 上市首日

4.2 回测结论是否有效？

有效。 理由：

内部一致性：回测中信号和收益使用同一套溢价数据，不存在「用 A 方法决策、用 B 方法考核」的错配

相对逻辑不变：QQQ 基准法虽然绝对值偏离官方净值，但捕捉的是同一个市场现象——ETF 相对基准的偏离。「折价买入、溢价卖出」的策略逻辑与方法论无关

阈值需要翻译：回测得出的最优阈值（如「QQQ 溢价 < -4% 买入」）不能直接用于官方溢价判断。需要按分位数映射：

``QQQ 基准法官方净值法 ──────────────────────────────────────── 折价 > 4% 买入 (P~1%) → 折价 > ?% 买入溢价 > 7% 卖出 (P~95%) → 溢价 > ?% 卖出`

当前使用官方净值法：推送系统（market_data_processer.py）已切换为官方净值做仓位决策，回测阈值仅作参考




4.3 后续工作



接入东方财富历史净值 API，用官方净值重跑完整回测
建立 QQQ 基准法 → 官方净值法的阈值翻译表
回测报告中的「最优折溢价阈值」添加「官方净值等效值」列



---



五、相关文档



 文档  位置 
------ ------
 溢价率综合回测报告  learn/溢价率回测分析/report.txt 
 多 ETF 对比分析  learn/溢价率回测分析/ (运行时生成) 
 截面选基方案  learn/ETF轮动/选基策略引擎-截面方案设计.md 
 数据缓存工程优化  learn/2026-05-26-数据缓存分离工程优化/`



  ▶ 📜 变更历史（1 次提交）
  4616ca62026-06-27 01:04docs: 同步 learn/ 文档 & 工作区改动


  🍃quant 知识库
  by 伊甸园和枫

文档	位置
------	------
溢价率综合回测报告	learn/溢价率回测分析/report.txt
多 ETF 对比分析	learn/溢价率回测分析/ `(运行时生成)`
截面选基方案	learn/ETF轮动/选基策略引擎-截面方案设计.md
数据缓存工程优化	learn/2026-05-26-数据缓存分离工程优化/`