ETF/LOF基金标签画像系统

项目简介

这是一个专业的ETF/LOF基金投研系统，基于连续一周（5个交易日）的交易行情数据，结合多维度标签体系，实现基金画像构建、策略识别和投资组合优化。

核心功能

• 自动化特征计算：根据每日行情数据自动计算波动性、成交量、涨跌次数等技术指标

• 多维度标签体系：整合宏观周期、政策主题、大宗商品、地缘黑天鹅、未来产业等标签

• 策略识别引擎：基于标签画像识别特定投资对象，构建投资策略

• 周度报告生成：输出可视化的周度画像报告和策略建议

系统架构

/workspace

├── config/                    # 配置文件目录

│   └── labels/               # 标签配置

│       ├── 宏观周期类标签.json

│       ├── 政策主题类标签.json

│       ├── 大宗商品类标签.json

│       ├── 地缘黑天鹅类标签.json

│       └── 未来产业技术标签.json

├── src/                      # 源代码目录

│   ├── main.py              # 主程序入口

│   ├── feature_calculator.py # 特征计算引擎

│   ├── strategy_engine.py   # 策略识别引擎

│   └── report_generator.py  # 报告生成器

├── reports/                  # 报告输出目录

├── docs/                     # 文档目录

│   └── 系统架构设计.md

└── README.md                # 本文档

快速开始

1. 使用示例数据运行

cd /workspace

python3 src/main.py

2. 使用自己的数据运行

python3 src/main.py --data /path/to/your/data.xlsx --goal 成长型 --risk 中 --capital 100000

3. 参数说明

• --data: 数据文件路径（Excel格式）

• --goal: 投资目标（成长型/价值型/平衡型/收益型/保守型）

• --risk: 风险承受能力（高/中/低）

• --capital: 投资金额

• --output: 输出格式（html/pdf/both）

数据格式要求

日行情数据格式

| 字段名称 | 数据类型 | 说明 |

|---------|---------|------|

| 交易日期 | datetime | 交易日期 |

| 基金代码 | string | ETF/LOF基金代码 |

| 开盘价 | float | 开盘价 |

| 最高价 | float | 最高价 |

| 最低价 | float | 最低价 |

| 收盘价 | float | 收盘价 |

| 成交量 | float | 成交量（万手） |

| 成交额 | float | 成交额（亿元） |

| 涨跌幅 | float | 涨跌幅（%） |

标签体系

一级分类（资产类别）

• 股票型ETF

• 债券型ETF

• 商品型ETF

• 货币型ETF

• 跨境型ETF（QDII）

二级分类（主题方向）

1. 宏观周期类

• 经济复苏/过热/滞胀/衰退

• 利率上行/下行

• 通胀上升/回落

2. 政策主题类

• 国企改革、一带一路、乡村振兴

• 碳中和碳达峰、数字经济

• 科技创新、医疗改革

• 新基建、区域发展

3. 大宗商品类

• 贵金属（黄金、白银）

• 能源化工（原油、天然气）

• 有色金属（铜、铝、锂）

• 农产品（大豆、玉米）

4. 地缘黑天鹅类

• 地缘政治风险、战争冲突

• 贸易摩擦、金融制裁

• 汇率波动、疫情冲击

5. 未来产业技术标签

• 人工智能（大模型、AI芯片、机器人）

• 新能源（光伏、风电、储能、氢能）

• 生物科技（基因编辑、创新药）

• 半导体（芯片制造、设备材料）

• 量子科技、航空航天、新材料

核心模块说明

1. 特征计算引擎（feature_calculator.py）

计算周度特征指标：

• 波动性指标：周波动率、周振幅、最大单日涨跌幅

• 成交量指标：周均成交量、成交量变化率、换手率

• 涨跌统计：上涨/下跌/平盘天数、上涨比例

• 技术指标：周K线形态、趋势强度

2. 策略识别引擎（strategy_engine.py）

提供多种投资策略：

• 趋势跟踪策略

• 均值回归策略

• 防御保守策略

• 主题轮动策略

• 波动率策略

3. 报告生成器（report_generator.py）

生成多格式报告：

• HTML格式（可视化图表）

• PDF格式（专业报告）

投资策略说明

趋势跟踪策略

• 适用场景：强势上涨市场

• 风险等级：高

• 持有周期：短期-中期

• 投资逻辑：基于动量效应，追踪市场强势品种

均值回归策略

• 适用场景：超跌反弹

• 风险等级：中

• 持有周期：短期

• 投资逻辑：在超跌位置布局，等待价格回归合理区间

防御保守策略

• 适用场景：低风险偏好

• 风险等级：低

• 持有周期：中长期

• 投资逻辑：配置低波动、低风险品种，追求稳健收益

风险提示

本系统仅供投资研究参考，不构成投资建议。投资有风险，入市需谨慎。

技术栈

• Python: 3.11

• 数据处理: Pandas, NumPy

• 可视化: Matplotlib, Seaborn

• 报告生成: ReportLab, WeasyPrint

后续扩展方向

1. 实时数据接入：对接实时行情数据源

2. 机器学习增强：使用ML模型优化标签匹配和策略推荐

3. 回测系统：添加策略回测功能

4. 风险管理：增加VaR、压力测试等风险管理工具

5. 多周期分析：支持日度、周度、月度多周期分析

许可证

MIT License

联系方式

如有问题或建议，请提交Issue或Pull Request。