本地量化如何计算 ETF 溢价率？完整实现方法分享

本文仅用于学习研究与技术交流，不构成任何投资建议。

在一些 ETF 轮动策略 中，会引入 溢价率（Premium Rate） 作为一个重要因子，用于判断 ETF 当前价格相对于基金净值的偏离程度。 那么，在 本地量化环境 中，我们应该如何计算某只 ETF 的溢价率呢？

下面简单介绍一种实现方法。

溢价率定义

ETF 溢价率的计算公式如下：

其中：

• P_{market}：ETF 在二级市场的交易价格（Market Price）
• NAV：ETF 的基金单位净值（Net Asset Value）

当 ETF 的市场价格高于净值时，说明 ETF 处于 溢价状态；反之则为 折价状态。

1. 价格数据获取

ETF 的市场交易价格可以通过 Tushare 的 fund_daily 接口获取。

以最近比较热门的 南方原油 LOF 为例，可以通过如下代码获取其历史行情：

df = pro.fund_daily(ts_code="501018.SH")

如果需要使用 实时行情 来计算溢价率，可以使用 Tushare 的 realtime_quote 接口获取最新价格。

2. 基金净值数据获取

计算溢价率还需要 ETF 对应基金的 单位净值（NAV）。这部分数据可以通过 Tushare 的 fund_nav 接口获取。

例如，获取 南方原油 LOF 的基金净值：

df = pro.fund_nav(ts_code="501018.SH")

返回的数据中，unit_nav 字段即为 基金单位净值。

需要注意的是，基金净值的公布通常存在一定滞后。

例如，2026 年 3 月 12 日的基金净值，可能要到 2026 年 3 月 14 日 才会公布。 因此，在使用历史数据时，需要特别注意 避免引入未来函数。

具体来说，应当以 ann_date（公告日期） 作为可用数据的时间依据，而不是 nav_date（净值日期）。

此外，根据我的观察：

• 某些基金 ann_date = 202603XX 的净值数据，可能在 当日开盘前 就已经公布；
• 但也有可能是在 当日下午 才公布。

因此在策略实现时可以采用两种不同处理方式。

历史回测

建议使用：

date > ann_date

这样可以最大程度避免未来函数。

实盘运行

可以使用：

date >= ann_date

以尽可能使用最新的净值数据计算溢价率。

3. 溢价率计算

例如，目前是 3 月 14 日。 南方原油 LOF 的：

• 最新收盘价：1.791
• 最新公布单位净值：1.7025

代入公式：

计算得到当前溢价率约为：

5.20%

这与行情软件中显示的溢价率基本一致。

通过这种方式，我们就可以在 本地量化系统 中实时计算 ETF 的溢价率，并将其作为策略因子引入到 ETF 轮动策略 中进行使用。

这样不仅可以避免依赖第三方平台，还能在 回测与实盘环境中保持一致的数据逻辑，提升策略研究与执行的灵活性。