用 Python 自动生成场外 QDII 基金申购限额和底层持仓 Excel

用户68507830419
4 阅读6分钟

最近做了一个小工具，用来整理场外美股 QDII / 联接基金的公开数据，并生成一个 Excel 文件。

这个工具的目标不是做交易策略，也不是预测涨跌，而是解决一个很具体的问题：

```text
把分散的基金申购状态、单日限额、跟踪指数、底层持仓，整理成一张可读的 Excel。
```

最终输出大概是：

  1. 一个汇总页
  2. 每只基金一个明细页
  3. 汇总页展示申购状态和单日限额
  4. 明细页展示底层股票代码、名称和权重

一、为什么要做这个工具？

场外美股 QDII 基金经常会出现限购或暂停申购。

比如：

暂停申购
限额 100 元
限额 500 元
不限额

如果只关注一只基金，手动打开 App 看没问题。但如果想同时看多个纳斯达克 100、标普 500、标普信息科技方向的基金，手动维护就很麻烦。

另一个问题是底层持仓。

很多场外基金并不直接展示完整底层股票明细，尤其是联接基金。用户看到的是基金名称，但如果想知道它对应的底层股票权重，就需要进一步整理指数或代理 ETF 的公开持仓数据。

所以我把它拆成了两个任务：

  1. 整理场外基金列表和申购限额
  2. 整理底层指数持仓并写入 Excel

二、整体流程

整个脚本大概分成五步：

获取 QDII / 海外基金列表
筛选美股方向基金
匹配基金对应的跟踪指数
获取指数或代理 ETF 的底层持仓
生成 Excel 汇总页和基金明细页

在代码结构上，我把它拆成了几类文件：

config.py              # 基金和指数映射配置
data_fetcher.py        # 数据获取逻辑
purchase_limit.py      # 申购限额格式化和排序
main.py                # 主流程和 Excel 输出
tencent_docs_uploader.py # 可选：上传在线表格

三、基金和指数映射

核心配置是一个映射关系：

FUND_INDEX_MAP = {
    "006479": "纳斯达克100",
    "270042": "纳斯达克100",
    "050025": "标普500",
    "161125": "标普500",
    "007874": "标普科技",
    "160140": "道琼斯工业",
}

实际运行时不会只依赖手工配置，也会根据基金名称做关键词匹配。

例如：

AUTO_MATCH_RULES = [
    ("标普科技", ["标普科技", "标普信息科技"]),
    ("标普500", ["标普500", "标普 500"]),
    ("纳斯达克100", ["纳斯达克100", "纳指100", "纳指ETF"]),
    ("道琼斯工业", ["道琼斯美国精选"]),
]

这样可以覆盖一部分新增基金或命名相近的基金。

四、申购限额怎么处理？

申购限额字段的麻烦点在于，它不是单纯的数字。

可能出现：

暂停申购
0
100
500
空值
超大数值表示不限

所以我单独写了格式化逻辑，把它变成更适合展示和排序的形式。

示例逻辑：

def format_purchase_limit(purchase_status, purchase_limit):
    if "暂停" in str(purchase_status):
        return "暂停申购"

    if purchase_limit is None:
        return "不限"

    value = float(purchase_limit)

    if value <= 0:
        return "暂停申购"
    if value >= 1e10:
        return "不限"

    return f"{value:,.0f} 元"

汇总页里会优先把还能申购、限额更高的基金排在前面，把暂停申购的放到后面。

五、底层持仓怎么整理？

底层持仓这块，我使用“指数代理”的思路。

比如：

纳斯达克100 -> QQQ / Nasdaq-100 成分股
标普500 -> SPY
标普科技 -> XLK
道琼斯工业 -> DIA

配置大概长这样：

INDEX_PROXY = {
    "纳斯达克100": {
        "proxy_etf": "QQQ",
        "source": "invesco",
        "position_ratio": 0.93,
    },
    "标普500": {
        "proxy_etf": "SPY",
        "source": "ssga",
        "position_ratio": 0.93,
    },
}

最终整理出来的明细页包含：

排名
股票代码
股票名称
权重(%)

这一步的重点不是“精确预测”，而是把公开持仓数据结构化，方便在 Excel 里查看。

六、Excel 输出结构

生成的 Excel 主要分两层。

第一层是汇总页：

基金代码
基金名称
跟踪指数
最新净值
基金规模
申购状态
单日申购限额
成分股数量

第二层是基金明细页：

基金名称
基金代码
跟踪指数
最新净值
基金规模
申购状态
单日申购限额
仓位系数
数据日期

排名
股票代码
股票名称
权重(%)

这样既可以快速扫汇总，也可以点进单只基金看底层明细。

七、一个主流程示意

简化后的主流程大概是：

def main():
    qdii_df = get_qdii_fund_list()
    us_funds = filter_us_stock_funds(qdii_df, FUND_INDEX_MAP, AUTO_MATCH_RULES)
    us_funds = sort_funds_by_purchase_limit(us_funds)

    index_holdings_cache = {}
    for index_name in us_funds["跟踪指数"].unique():
        proxy_config = INDEX_PROXY[index_name]
        index_holdings_cache[index_name] = get_index_holdings(index_name, proxy_config)

    all_funds_data = []
    for _, row in us_funds.iterrows():
        code = row["基金代码"]
        name = row["基金简称"]
        index_name = row["跟踪指数"]
        holdings = index_holdings_cache[index_name]

        info, detail = build_fund_sheet_v2(
            fund_code=code,
            fund_name=name,
            index_name=index_name,
            purchase_limit=row.get("日累计限定金额"),
            purchase_status=row.get("申购状态"),
            holdings_df=holdings,
            position_ratio=INDEX_PROXY[index_name]["position_ratio"],
        )

        all_funds_data.append((f"{code}_{name[:12]}", info, detail))

    write_excel(all_funds_data, OUTPUT_EXCEL)

实际项目里还会做异常处理、列宽调整、在线表格同步等细节。

八、这个工具适合谁？

我觉得它适合这几类人：

  1. 想学习 Python 数据抓取和 Excel 自动化的人
  2. 想整理 QDII 基金公开数据的人
  3. 想维护个人复盘表格的人
  4. 想把分散信息统一到一个 Excel 文件里的人

它不适合用来做什么：

  1. 不适合当成投资建议
  2. 不适合预测涨跌
  3. 不适合替代基金公告和官方披露

九、后续可以怎么扩展？

这个工具后续还可以继续扩展：

  1. 增加更多指数方向，比如日经、印度、德国等
  2. 保存历史限额变化，做时间序列
  3. 增加邮件或飞书通知
  4. 生成在线文档，方便手机查看
  5. 做一个轻量 Web 页面展示汇总结果

十、结尾

这个项目本质上是一个公开数据整理和自动化报表生成工具。

对我来说，它比较有意思的地方不在“金融判断”，而在于如何把分散、格式不统一、需要每天查看的信息，变成一个稳定可复用的 Excel 工作流。

如果你也对这个方向感兴趣，可以私信关键词：

QDII脚本

说明：本文只做技术实现和公开数据整理方法分享，不提供任何投资建议，不承诺收益，不指导买卖。

avatar
文章
阅读
粉丝