温故而知新--KWEB净值计算
导语
上午发了篇爬取历史期货数据的文章，群里小陈总提醒我，IB可以直接获取啊，那我明天去试一试。其实，这两天我是在做归档工作，把这两个月摸索实践的都整理一下，归档后该开启新的征途了。首当其冲的，就是读取各种数据源，爬期货的用了Selenium技术，我之前也完全不懂，就像上次Ellis说的 APIfox，学一点算一点，估计不用就忘了，发个文章以后想用的时候可以查一查。
根据woody在2025年8月20日的文章如何自己计算KWEB调试和平仓群中的折价数据，今天下午我靠着AI编程也做了个自动化Python脚本，实现了无敌这篇文章中KWEB的净值计算。同时还翻到了8月24日的文章下面我的留言，此时距我和woody直接微信联系，开始给他做托还有48天
：
那时候，我真的看不懂这些文章，也搞不明白无敌的算法，天天用Excel来测算，就是从那一天无敌回复我的留言起，我就默默埋下了一颗种子，要学习用AI的Python编程实现invincible、unbeatable、invulnerable 无敌的算法
核心功能
数据自动获取：从Kraneshares官网获取溢价率数据，从新浪财经获取历史收盘价 智能净值计算：根据公式自动计算KWEB的净值（净值 = 收盘价 / (1 + 溢价率)） 数据规范化存储：生成带日期戳的CSV文件，按日期降序排序 增量更新机制：首次运行获取2026年所有数据，后续运行只获取缺失的最新数据
技术原理
数据来源
Kraneshares官网：提供权威的KWEB溢价率数据
API地址： https://kraneshares.com/product-json/?pid=7615&type=premium-discount&start={start_date}&end={end_date}返回格式：二维数组 [timestamp, premium_rate]
新浪财经：提供KWEB的历史收盘价
API地址： https://stock.finance.sina.com.cn/usstock/api/jsonp.php/var/US_MinKService.getDailyK?symbol=kweb返回格式：JSONP格式的历史K线数据
计算方法
# 净值计算公式
净值 = 收盘价 / (1 + 溢价率)
# 示例
收盘价 = 28.70
溢价率 = -0.002536841
净值 = 28.70 / (1 - 0.002536841) = 28.7730
安装与使用
环境准备
安装Python：确保电脑已安装Python 3.6+ 安装依赖： 全局安装： pip install requests虚拟环境安装： .venv\Scripts\pip install requests
运行方法
首次运行：
虚拟环境： .venv\Scripts\python.exe test_kweb_nav.py首次运行会从2026-01-01开始获取所有数据 后续运行：
程序会智能检测CSV中最新日期，只获取缺失的最新数据 避免重复爬取，减少被封风险
生成文件
文件名格式： KWEB_nav_data_YYYYMMDD.csv文件内容：
功能特点
1. 一次性获取完整数据
工具采用一次性获取方式，不再分批请求，提高数据获取效率。Kraneshares API支持返回大量历史数据，确保数据的完整性。
2. 智能增量更新
首次运行：从2026-01-01开始获取所有数据 后续运行：只获取CSV文件中缺失的最新数据 避免重复爬取，减少网络请求，降低被封风险
3. 数据质量保障
日期格式统一：自动处理不同格式的日期（如2026-04-10和2026/4/10） 数据匹配准确：确保每个日期的溢价率和收盘价对应正确 按日期排序：数据按日期降序排列，最新数据在最前面
4. 详细的日志输出
运行过程中会输出详细的日志信息，方便用户了解数据获取和处理情况：
[INFO] 开始更新KWEB数据...
[INFO] 检测到CSV中最新日期: 2026/4/8，将从 2026-04-09 开始爬取新数据
[OK] 成功获取KWEB的Kraneshares数据，共 2 条记录
[OK] 成功获取KWEB历史收盘价: 500条记录
[OK] 添加新数据: 2026-04-09 - 净值: 28.7286, 价格: 28.79, 溢价率: 0.002137127
[OK] 数据已保存到 KWEB_nav_data_20260412.csv
注意事项
数据范围：Kraneshares API数据从2022-02-10开始，本工具只获取2026年数据 新浪数据限制：新浪历史数据最多返回500条记录，足够覆盖2026年数据 网络环境：需要稳定的网络连接，确保能访问Kraneshares官网和新浪财经 更新频率：建议每周运行一次，获取最新数据 文件管理：每天生成的新文件会覆盖旧文件，保持数据的时效性
注：本文仅供参考，不构成投资建议。投资有风险，入市需谨慎。