下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-rwhv0nty--ad-etf-dca.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-rwhv0nty/ad-etf-dca。中国银河证券星耀数智ETF定投计算器。支持正向测算、历史回测、目标反推（自定义每期投入金额、年化收益、投资期限）等多类 ETF 定投测算场景。
阅读全文 （展开查看完整说明）
概述
ETF定投计算器 Skill
中国银河证券星耀数智的场内ETF定投计算工具。输入ETF代码与定投参数，自动获取历史行情数据，计算收益并生成可视化HTML报告。
核心特性
- 价格口径：前复权收盘价（红利再投资全收益口径），与行情软件一致
- 费用建模：佣金逐笔计算
max(金额 × 费率, 最低5元)，不可平均 - 份额规则：向下取整到100份（1手），场内最小交易单位
- 真实年化：IRR（定期）/ XIRR（不定期），资金加权计算
- 报告输出：Jinja2模板 + ECharts亮色主题HTML报告
前置条件 – 安装库，设置 AmazingData 账号环境变量
使用本技能前，安装python运行环境(推荐python3.8/3.9/3.10/3.11/3.12/3.13/3.14环境)，并安装AmazingData依赖包。从 https://gitee.com/cgs2026/xysz/releases 下载 tgw 和 AmazingData 的 wheel 文件并安装。
pip install tgw>=1.0.8.7
pip install AmazingData>=1.1.15
pip install jinja2- 参加2026年中国银河证券星耀数智AI模拟交易大赛，可获取星耀数智账号；
- 报名时间：10.29 — 11.20
- 比赛时间：11.02 — 11.27
- 报名链接，请关注微信公众号“中国银河证券星耀数智”
使用本技能前，用户必须先设置以下环境变量（AmazingData 登录信息）：
# Windows CMD
set AD_USERNAME=your_username
set AD_PASSWORD=your_password
set AD_HOST=101.230.159.235
set AD_PORT=8600
# Windows PowerShell
$env:AD_USERNAME="your_username"
$env:AD_PASSWORD="your_password"
$env:AD_HOST="101.230.159.235"
$env:AD_PORT="8600"使用方法
在技能根目录下执行脚本，会自动：
- 通过 AmazingData 获取 ETF 历史行情和复权因子
- 执行定投计算
- 生成 HTML 可视化报告并保存到工作空间
data/目录 - 计算完成后，必须将生成的 HTML 报告展示给用户
# 正向测算：预估定投收益
python scripts/run_analysis.py --mode forward --symbol 510***.SH
--amount 2000 --frequency monthly --duration 5 --expected_return 8
# 历史回测：真实K线数据回测
python scripts/run_analysis.py --mode backtest --symbol 510***.SH
--amount 2000 --frequency monthly --start 20200101 --end 20241231
# 目标反推-每期金额：达成目标需要每月投多少
python scripts/run_analysis.py --mode target_amount --symbol 510***.SH
--target 1000000 --duration 10 --expected_return 8 --frequency monthly
# 目标反推-所需年化：需要多高的年化才能达成
python scripts/run_analysis.py --mode target_return --symbol 510***.SH
--target 1000000 --amount 3000 --duration 10 --frequency monthly
# 目标反推-期限：需要多久才能达成
python scripts/run_analysis.py --mode target_duration --symbol 510***.SH
--target 1000000 --amount 3000 --expected_return 8 --frequency monthly运行模式
| 模式 | 输入 | 输出 | 场景 |
|---|---|---|---|
forward | 当前价格 + 每期金额 + 年限 + 预期年化 | 预估期末资产 + IRR | "如果年化8%，投5年后值多少？" |
backtest | ETF代码 + 每期金额 + 起止日期 | 实际资产 + XIRR + 最大回撤 + 年化波动率 | "2020年到2024年每月投2000，真实赚了多少？" |
target_amount | 目标资产 + 年限 + 预期年化 | 每期需要投多少 (PMT求解) | "想5年攒100万，每月该投多少？" |
target_return | 目标资产 + 每期金额 + 年限 | 需要多高的年化 (牛顿迭代求解) | "我每月只能投3000，10年到100万要多少收益？" |
target_duration | 目标资产 + 每期金额 + 预期年化 | 需要多久 (对数求解) | "每月3000、预期8%，多久能到100万？" |
forward 和 backtest 是正算（已知投入→求产出），三个 target_* 是反推（已知目标→求条件）。
参数说明
| 参数 | 说明 | 默认值 |
|---|---|---|
--mode | forward / backtest / target_amount / target_return / target_duration | forward |
--symbol | ETF代码（AmazingData格式，如510***.SH） | 510***.SH |
--amount | 每期定投金额（元） | 2000 |
--frequency | 定投频率：weekly / biweekly / monthly / quarterly / day | monthly |
--interval | 每隔多少日，配合 --frequency day 使用（如5=每5日） | – |
--duration | 定投期限（年），forward模式必填 | – |
--start | 起始日期 YYYYMMDD（backtest模式） | – |
--end | 结束日期 YYYYMMDD（backtest模式） | 今天 |
--target | 目标资产（元），target模式必填 | – |
--expected_return | 预期年化收益率（%），forward/target模式 | 8.0 |
--commission_rate | 佣金费率 | 0.0003（万3） |
--min_commission | 最低佣金（元） | 5 |
--scenarios | 多情景对比年化值，逗号分隔 | 4,6,8,10 |
--output | 报告输出路径 | data/etf_dca_report.html（当前工作空间 data/ 目录） |
输出报告内容
HTML报告包含以下板块：
- 核心指标卡 — 期末总资产 / 总投入本金 / 累计收益(+率) / IRR/XIRR / 总佣金 / 有效费率
- 资产曲线图 — ECharts 双线：资产走势 vs 本金投入
- 逐年明细表 — 每年投入 / 佣金 / 份额 / 资产 / 收益 / IRR
- 多情景对比图 — 不同预期年化下的期末资产与总收益
- 风险指标 — 最大回撤 / 年化波动率
- 佣金警示 — 触发最低5元时提示有效费率与优化建议
注意事项
- 所有数据接口调用前必须先通过环境变量配置认证信息，然后调用
ad.login()登录 - 必须设置环境变量
AD_USERNAME、AD_PASSWORD、AD_HOST、AD_PORT - 账号、密码需联系开户营业部申请
- AmazingData限制单点登录，同一时间只能有一个登录链接
- 计算结果仅供参考，不构成投资建议。过往业绩不代表未来收益
- 前复权价格不等于实际交易价格，实盘下单需以最新市价为准
- 定投日如遇非交易日，自动顺延至下一个交易日
Python环境要求
- Python版本: 3.8-3.14
- 操作系统: Linux/Windows
- 依赖包: tgw>=1.0.8.7, AmazingData>=1.1.15, jinja2, pandas, numpy, scipy
