基金套利，美股夜盘对冲-核心逻辑与架构

东哥的平凡生活静听烟雨任平生

我上一篇文章基金套利半自动化，从爬虫到API之后，没想到，真没想到来了这么多感兴趣的朋友。一起来学习AI编码，做套利程序的优化完善和个性定制化

IB最近几个月卡得特别严，很难办下来，所以说凡事要趁早。也有朋友因为还没有IB账户，所以暂时没有加入无敌的全家桶，也想找我来加入AI编程，我婉拒了，请谅解因为这毕竟是无敌的算法，我只是一个搬运工而已，喝水不忘挖井人

我一直在写文章，宣传这套算法的原理、估值的计算公式、我程序的数据读取代码、大小QMT和通达信的实时行情获取，都公开了的，大家完全可以自己动手自己做一套程序出来。

咱们现在趁早把半自动化的雏形程序跑起来，把整套体系摸了个清清楚楚，过几个月等无敌的成品出来，我们就非常容易上手了。说实话，前天傍晚，他发了API的文章，我当晚就出了一个补丁版本，但是第二天细琢磨，才发现我想简单了。他的脑子太聪明，程序也变得很有道理，我原来想当然的很多代码，跑起来才发现不是那回事。

另一个我个人认为有益之处是，通过琢磨这个程序，比如抛给AI，让它分析架构、分析数据流、分析估值算法，几分钟内就给你出一份漂亮的文档，非常系统化，比自己瞎琢磨好几个月，群里今天问一句，明天问一句强多了吧。打不过就加入，早点学会，抓住机会随便做几次套利，多少个龙珠就挣出来了，这个账很容易算得清吧。

本文是准备给半自动化小组写的，删减了一些内容，分享给大家。

整个系统的生命周期围绕"估值"和“对冲”展开，分为静态历史数据处理、动态实时交易数据获取、前端监控界面的生成三大模块。

一、从各种数据源获得历史交易的数据（静态数据）

1. 基础数据获取与对齐：LOF011_generate_basic_data.py

本程序主要负责从 woody 提供的 API 接口获取底层数据。Woody API 提供最近一天的“基准日数据”（详见 docs/004_API数据获取处理过程.md）。核心难点：API 返回的数据本身不含日期，是按照净值日这个概念来处理额，所以要确定这些数据是最近的基准日的。

生成的文件：

data/woodyAPI/Data_woodyAPI_{timestamp}.json (每次运行生成带有时间戳的 API 原始数据全集)

2. 数据集成与静态估值计算：LOF012_generate_lof_data.py

本程序利用爬虫技术从多元数据源聚合历史数据，有些数据和API数据重叠的（详见 docs/005_data_fetcher模块其他数据获取详解.md）：

读取外汇管理局当天汇率（人民币中间价）
读取东方财富 LOF 基金历史净值
读取新浪 LOF 基金历史收盘价
读取新浪美股四个核心期货上一个交易日结算价
读取新浪美股相关 ETF 及宽基指数收盘价

估值计算：程序会调用各种数据并写入 basic 表。随后计算出“ETF静态估值（即无敌网页的"官方估值"）”，并与官方公布净值对比得出估值“误差”，与当天收盘价对比得出“溢价率”。（静态估值算法详情见 docs/006_静态官方估值算法详解.md）。最终产出：针对每一个 LOF 基金，生成独立的追踪历史表，如 data/LOF_160719_history.csv。

二、获得今天的动态交易数据（实时数据）

实盘引擎由 LOF02_fetch_trade_data.py (后台运行) 提供支撑。

1. 美股数据源

优先通过盈透 (Interactive Brokers, IB) Gateway 获取美股夜盘买卖口数据。
当未连接 IB 时，前端面板自动提供手工输入框供推演测试。

2. A股 LOF 交易行情 (三重降级通道)

首选通道：银河 QMT 客户端。通过 Socket 技术获得底层极速实时行情推送（架构见 docs/008_QMT双通信技术文档.md，源码见 readers/qmt_socket_server.py 和 readers/qmt_socket_client.py）。
备用通道：通达信极速 API。提取无延迟的实时盘口快照（参考 Test_read_data_tdx.py 测试脚本）。
兜底通道：新浪网页爬虫。为防触发风控反爬，执行严格大于 15 秒间隔的轮询。