4. 行业ETF资金流指标数据来源与清洗

行业ETF的资金流指标看起来只是一个“净流入/净流出”的数字，但它背后其实是一条从原始披露到可用指标的数据加工链。同一只ETF，用交易所披露的申赎清单算、用基金公司公告的份额变化算、或用第三方数据商的“资金流”字段，结果可能相差很大。理解数据来源的差异与清洗规则，是避免“指标看起来对、结论却错”的前提。本节围绕四类数据来源、频率与字段口径、缺失值与异常值处理展开，目标是让读者能独立搭出一份口径自洽的行业ETF资金流数据表。

一、四类数据来源及其口径差异

交易所公开数据是最基础的一手来源。上交所、深交所每日披露ETF的申购赎回清单（PCF）以及基金份额总额，部分还提供份额变动信息。它的优势是权威、免费、按日更新；局限是只给份额与清单，不直接给“资金流”，需要结合净值或收盘价自行折算。此外，跨市场ETF的申赎清单包含现金替代标志，直接按份额差乘净值会引入误差。

基金公司公告包括定期报告（季报、年报中的份额变动）、临时公告（大额申赎、份额折算、分红）以及每日/每周的份额数据。它的优势是能解释“为什么份额变了”，例如份额折算会让份额总数突变但并非真实资金流；局限是频率低、披露滞后，且不同公司格式不统一。

第三方数据商（如Wind、同花顺、东方财富等）通常已经把份额变化折算成“资金流”字段，并做了一定清洗。它的优势是字段规整、可直接使用；风险是口径不透明——有的按份额差×前收盘净值，有的按成交额估算，有的把折溢价调整进去，跨数据商不可直接混用。

基金业协会与托管行数据可作为交叉校验来源，频率更低，主要用于月度或季度口径的复核。

四类来源的关系可以用下面的结构图表示：越靠左越原始、越权威但越需要加工；越靠右越易用但口径越不透明。

二、频率与关键字段说明

行业ETF资金流指标通常需要日频数据，但不同来源的频率并不一致：交易所份额按日，基金公司份额按季或按公告，第三方资金流多为日频但可能滞后一天。实务中建议以交易所日频份额为主干，用基金公司公告做事件校正，用第三方数据做交叉验证。

核心字段至少包括：交易日期、基金代码、基金简称、所属行业、当日份额（份）、前一日份额、单位净值、收盘价、折溢价率、是否发生份额折算/分红/合并、数据来源标记。其中“当日份额−前一日份额”是资金流的原始驱动量，乘以净值得到估算净流入。这里必须明确参照约定：净流入为正表示份额增加（资金申购），为负表示份额减少（资金赎回），全文与图示保持一致。

一个常见的口径陷阱是折溢价。若用收盘价而非净值折算，高溢价日的“资金流”会被高估。教学示例中可假设某行业ETF前一日份额10亿份、当日10.2亿份、单位净值1.500元，则估算净流入约(10.2−10.0)亿×1.500=3000万元；若当日溢价2%，用收盘价1.530折算会得到3060万元，差异虽小但方向性结论可能被放大，因此统一用净值更稳妥。

三、缺失值与异常值处理

缺失值主要来自停牌、数据源延迟、非交易日对齐错误。处理原则是“先标记、再判断、后补值”：停牌日份额不变，资金流应记为0而非缺失；数据源延迟导致的缺失，可用前后交易日线性插值，但必须在来源标记中注明“插值”；连续多日缺失且无公告解释的，应剔除该区间而不是强行补值。

异常值最典型的是份额跳变，来源包括份额折算（如1份拆成2份）、分红再投资、基金合并、大额申赎。判断方法是：先看基金公司公告是否有折算/分红事件，若有则按折算比例还原份额再计算资金流；若无公告但单日份额变动超过历史95分位数的3倍，应标记为疑似异常并人工复核。另一种异常是“零流入但成交额巨大”，这通常说明资金流字段与成交额口径混用，需要回到份额口径重算。

四、一份可执行的数据清洗检查表

下面给出可直接套用的字段与检查项，建议在Excel或Python中按列实现。示例参数均为教学假设，实际使用时替换为真实数据。

完成上述清洗后，得到的日频资金流序列才可用于后续的5日累计、流入强度、连续流入天数等指标计算。需要强调的是，清洗不是一次性动作：每当基金发生折算、分红或合并，历史序列都要回溯调整，否则跨期比较会失真。建议在数据表中保留“原始份额”“调整后份额”“事件标记”三列，使任何一次指标回溯都能解释清楚。