A股主题ETF 波动率排名
适用场景
用户要求对某一主题的全部 A 股场内 ETF 按波动率排名，或做风险横向对比。
触发词：按波动率排名、波动率对比、ETF 风险排名、哪个红利 ETF 最稳。
核心链路
- 确定 ETF 池 → 2. 抓 K 线 → 3. 算多窗口波动率 → 4. 流动性过滤 → 5. 双源校验 → 6. 出 HTML → 7. 渲染自检
1. 确定 ETF 池
用 agentic_search 委派一句话："列出场内A股<主题>主题ETF"（不要列字段/维度/表格要求）。
返回的清单通常已含 跨境产品污染（红利主题里约 1/3 是港股通/恒生红利）。
硬性过滤：剔除名称含 港股 / 恒生 / 香港 的代码，否则会把跨境 QDII 混进 A 股排名 —— 这是最高频的硬错误。
2. 抓 K 线（关键避坑）
| 源 | 接口 | 复权 | 成交量单位 | 备注 |
|---|---|---|---|---|
| 腾讯 | web.ifzq.gtimg.cn/appstock/app/fqkline/get?param=sh510880,day,,,760,qfq |
前复权 | 手 | 数据最新（含当日盘中） |
| 新浪 | money.finance.sina.com.cn/quotes_service/api/json_v2.php/CN_MarketData.getKLineData?symbol=sh510880&scale=240&ma=no&datalen=800 |
不复权 | 股 | 需先 re.sub(r'(\w+):', r'"\1":', t) 转 JSON |
| 东财 | push2his.eastmoney.com/api/qt/stock/kline/get?... |
— | — | 常直接拒连，不要依赖 |
避坑（实测）：
- 腾讯 web.ifzq.gtimg.cn 在连续大量请求后会返回 HTTP 501（疑似限流）；新浪此时仍可用 → 新浪做主力源、腾讯做交叉校验更稳。
- 不要开后台任务并发抓取，会加剧限流；串行 + time.sleep(0.1~0.2)。
- 腾讯 K 线数组格式：[date, open, close, high, low, volume]（第 2 位是 close，不是 volume）。
- 成交量→成交额：腾讯 额 = close × volume × 100（手转股）；新浪 额 = close × volume。
- 解析出的 ETF 全名在 data[code].qt[code][1]，比搜索给的简称准。
3. 波动率计算
ANN = 243 # A股年均交易日（不要用 252）
def av(cl, w):
if len(cl) < w + 1: return None
s = cl[-(w+1):]
r = [s[i]/s[i-1] - 1 for i in range(1, len(s))]
return statistics.pstdev(r) * math.sqrt(ANN) * 100 # 总体标准差
窗口取 20 / 60 / 120 / 250 日 + 近 3 年。主指标用 60 日（20 日噪声大、250 日钝化）。
4. 流动性过滤（必做）
波动率排名不做流动性过滤就是错的。实测教训：某主题池中波动率的最低值和最高值都落在日均成交 < 1000 万元的迷你产品上 ——
低波来自报价黏滞（长期横盘零成交），高波来自单笔大单跳价。两者都不能与主流品种横向比较。
- 流动性 = 近 60 日
成交量 × 收盘价日均值。 - 分档阈值：≥ 5000 万元为"主流可投"，< 1000 万元必须打标警示。
- 输出时同时给 全样本榜 和 主流榜，并画 波动率 vs 流动性对数散点图暴露这个偏误。
5. 双源交叉校验
同一批代码分别用腾讯（前复权）和新浪（不复权）算 60 日波动率，比对差异。
实测：平均差异 0.15pp、最大 0.51pp —— 这个量级说明 ETF 分红除息对 60 日窗口的抬升可忽略，排序结论稳健。
报告中要把这个校验结果写出来，是可信度背书。
6. HTML 研报结构
浅底深字研报风，首屏结论先行。图/表可切换。固定 5 个图：
- 排名横向条形图（主流榜 / 全样本榜切换）—— 按指数族配色
- 波动率 vs 流动性散点（y 轴 log）—— 暴露迷你产品偏误
- 指数族分层图 —— 用两个 stack bar 模拟区间条（透明柱 + 灰柱），不要用 custom series 手写 renderItem（易错且收益低）
- 主流品种多窗口分组柱（20/60/120/250）—— 验证排名不是短窗口噪声
- 全样本明细表
关键技术选择：数据用 <script id="PAYLOAD" type="application/json"> 注入，JS 里 JSON.parse 读取 —— 避免手写大数组导致的引号/括号失配。
散点图数据必须是 {value:[x,y], ...}，只给 x/y 字段 ECharts 不会绘制。
7. 渲染自检（交付前必做，两级）
# 阶段1：语法
node --check _check.js
# 阶段2：真实渲染（jsdom 捕获 option + echarts SSR 渲染）
cd /Users/bytedance/.workbuddy/binaries/node/workspace
npm install jsdom echarts --no-audit --no-fund
node render_check.js
render_check.js 思路：
- jsdom runScripts:'outside-only' + mock window.echarts 记录所有 setOption(option) → 验证脚本能跑通、DOM 查找无 null
- 再把每个 option 交给 echarts.init(null,null,{renderer:'svg',ssr:true}) 真实渲染 → 检查 SVG 字节数和 <path|rect|circle|text> 元素数，判断是否空白
这一步比 node --check 强得多：能抓到「语法正确但图表空白」的配置错误（如散点缺 value、custom series 坐标错）。
输出模板（对用户说的话）
按指数族分层的结论 > 单个产品排名。核心洞察通常是：
"波动率排序由指数编制规则（有没有低波因子）决定，而不是由主题名称决定。"
再补一句流动性警示，最后附免责声明。
