ETF市场日报生成系统是一个自动化工具，用于分析ETF市场数据并生成专业级的日报报告。该系统结合了多种金融分析技术，包括多因子模型、动量分析和价值投资策略，为投资者提供全面的市场洞察和投资建议。
-
全面数据分析
- 实时计算ETF涨跌幅、成交额、换手率等关键指标
- 多因子综合评分系统（动量、价值、流动性等）
- 溢折率分析和折价机会识别
- 自动异常值检测与筛选
-
智能投资组合建议
- 多种投资策略支持（成长型、价值型、动量型、平衡型）
- 行业分散投资组合构建
- 组合风险评估和预期收益计算
- 智能权重分配算法
-
专业报告生成
- 支持Markdown和HTML格式输出
- 嵌入式可视化图表（基于matplotlib和plotly）
- 微信公众号友好格式
- 可定制报告模板
-
高度可配置
- 模块化设计，易于扩展
- 权重参数和阈值可配置
- 自定义报告模板
- 超时保护机制
- Python 3.8+
- pip包管理工具
-
克隆仓库：
git clone https://github.com/yourusername/etf-daily-report.git cd etf-daily-report -
安装依赖：
pip install -r requirements.txt
-
准备数据：
- 将您的ETF数据文件放入
data/目录 - 支持的格式：CSV（.csv）和Excel（.xlsx, .xls）
- 默认文件名为
ETF行情数据.csv或ETF行情数据.xlsx
- 将您的ETF数据文件放入
系统支持以下两种格式的ETF数据：
- CSV格式：UTF-8编码的CSV文件
- Excel格式：.xlsx或.xls文件
数据文件必须包含以下字段：
- 代码
- 名称
- 最新价
- 涨跌幅
- 成交额
- 换手率
- 市盈率
- 溢价率（可选）
在运行主程序前，可以先检查数据文件是否可用：
# 检查并列出可用的数据文件
python check_data_file.py --list# 生成Markdown报告（默认）
python main.py
# 指定数据文件
python main.py data/ETF行情数据.csv
# 生成HTML报告
python main.py --format html --output reports/etf_report.html# 自定义输出路径
python main.py --output custom_reports/daily_report.md
# 使用Windows批处理文件（简化命令）
run.bat| 参数 | 短格式 | 说明 | 默认值 |
|---|---|---|---|
data_file |
- | ETF数据文件路径 | data/ETF行情数据.csv |
--output |
-o |
输出文件路径 | 自动生成（基于当前日期） |
--format |
-f |
报告格式：md或html | md |
系统提供三个主要配置文件：
-
configs/analysis_config.py- 分析参数配置# 分析权重配置 ANALYSIS_WEIGHTS = { '涨跌幅': 0.15, '5日涨跌幅': 0.20, # ...其他权重 }
-
configs/portfolio_config.py- 投资组合配置# 投资组合类别 PORTFOLIO_CATEGORIES = { '科技类': ['科技', '互联网', '5G'], # ...其他类别 }
-
configs/report_config.py- 报告生成配置# 报告章节配置 REPORT_CONFIG = { 'sections': [ 'market_overview', 'performance_ranking', # ...其他章节 ] }
etf-daily-report/
├── configs/ # 配置文件
│ ├── analysis_config.py # 分析参数
│ ├── portfolio_config.py # 组合配置
│ └── report_config.py # 报告配置
├── data/ # 数据目录
│ ├── ETF行情数据.csv # CSV格式数据
│ └── ETF行情数据.xlsx # Excel格式数据
├── modules/ # 核心模块
│ ├── data_loader.py # 数据加载
│ ├── analyzer.py # 数据分析
│ ├── visualizer.py # 可视化
│ ├── portfolio_builder.py # 组合构建
│ └── report_generator.py # 报告生成
├── templates/ # 报告模板
│ └── report_template.html # HTML模板
├── utils/ # 工具函数
│ ├── helpers.py # 辅助工具
│ └── logging_config.py # 日志配置
├── reports/ # 生成的报告
├── logs/ # 日志文件
├── main.py # 主程序入口
├── check_data_file.py # 数据文件检查工具
├── run.bat # Windows运行脚本
├── requirements.txt # Python依赖
└── README.md # 项目文档
项目使用以下主要Python库：
pandas>=2.1.4 # 数据处理
numpy>=1.26.4 # 数学计算
chardet>=5.2.0 # 字符编码检测
openpyxl>=3.1.2 # Excel文件支持
matplotlib>=3.8.2 # 基础图表生成
scipy>=1.12.0 # 科学计算
jinja2>=3.1.3 # 模板渲染
plotly>=5.20.0 # 交互式图表
kaleido>=0.2.1 # 静态图表导出
今日市场共有256只ETF交易，158只上涨，78只下跌，20只平盘，平均涨幅0.82%。
成交额最高的ETF为沪深300ETF（510300），成交额达56.2亿元。
| 类别 | ETF名称 | 代码 | 现价 | 综合得分 |
|---|---|---|---|---|
| 科技类 | 科技龙头ETF | 515000.SH | 1.235 | 8.72 |
| 金融类 | 银行ETF | 512800.SH | 1.102 | 7.85 |
| 医药类 | 医疗创新ETF | 516820.SH | 0.893 | 7.63 |
过去表现不代表未来，投资需谨慎。市场波动可能导致短期亏损。
本报告不构成投资建议，仅供参考。
系统处理约1000只ETF数据的典型运行时间：
- 数据加载：< 1秒
- 数据分析：~2秒
- 图表生成：~10秒
- 报告生成：~3秒
- 总运行时间：约15-20秒
系统包含超时保护机制，默认超时时间为5分钟。
编辑configs/analysis_config.py：
# 调整权重分配
ANALYSIS_WEIGHTS = {
'涨跌幅': 0.20, # 增加当日涨幅权重
'5日涨跌幅': 0.15,
# ...
}编辑configs/portfolio_config.py：
# 添加新的投资类别
PORTFOLIO_CATEGORIES = {
'新能源': ['新能源', '光伏', '锂电池'],
# ...其他类别
}编辑templates/report_template.html：
<!-- 添加自定义章节 -->
<section class="custom-section">
<h2>我的自定义分析</h2>
<p>{{ custom_content }}</p>
</section>-
Q: 数据文件无法加载怎么办？
A: 请检查文件编码（应为UTF-8）和格式，确保必要字段存在。运行check_data_file.py可以帮助诊断问题。 -
Q: 报告生成超时？
A: 检查数据文件大小，如果过大可能导致处理延迟。尝试减少数据量或修改main.py中的超时设置。 -
Q: 如何添加自定义分析指标？
A: 在modules/analyzer.py中添加新的分析函数，并在configs/analysis_config.py中配置相应的权重。
我们欢迎贡献！请遵循以下步骤：
- Fork项目仓库
- 创建您的特性分支 (
git checkout -b feature/AmazingFeature) - 提交您的更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 发起Pull Request
本项目采用 MIT 许可证。
如有任何问题或建议，请联系：
- 邮箱：75840173@qq.com
- GitHub Issues: https://github.com/gqqcsu/etf-daily-report/issues
投资有风险，入市需谨慎。本系统生成的分析报告仅供参考，不构成任何投资建议。