ETF Analyzer

交互式 ETF/指数 历史数据分析与预测工具：多数据源兜底、可视化、CSV 导出、基础/高级预测。

• 数据获取：多 akshare API 自动兜底，智能处理 sz/sh 前缀
• 统计展示：基础统计与最新数据预览
• 可视化：价格趋势图（保存到 etf_png/）
• 导出：历史数据 CSV（保存到 etf_csv/）
• 预测：
  • 基础：线性回归 + ±10% 涨跌停限制
  • 高级：技术特征工程 + TimeSeriesSplit + GridSearchCV（RF/GBDT/ElasticNet）

• 代码：etf_analyzer.py
• 输出：
  • 图：etf_png/etf_<代码>_trend_<开始>_<结束>.png
  • 表：etf_csv/etf_<代码>_data_<开始>_<结束>.csv
• .gitignore 已忽略虚拟环境与输出文件

• Python 3.9+
• 依赖：pandas、numpy、matplotlib、scikit-learn、akshare

推荐（仓库内已有 venv 示例）：

/Users/liuqingyi/test/py39_env/bin/pip install -U numpy pandas matplotlib scikit-learn akshare

或自建虚拟环境：

python -m venv .venv
source .venv/bin/activate
pip install -U numpy pandas matplotlib scikit-learn akshare

python etf_analyzer.py

交互步骤：输入 ETF 代码/名称与开始/结束日期 → 可选绘图/导出/预测。 预测选项：1 基础预测；2 高级预测。

• 特征：收益/对数收益、均线/乖离、波动率、RSI、MACD、成交量特征（含滞后）
• 选择：TimeSeriesSplit + GridSearchCV 在 RF/GBDT/ElasticNet 中择优
• 评估：输出 CV MAE 与留出 MAE；预测下一交易日收盘价与涨幅（±10% 限制）

建议样本≥1年，且优选流动性较好的 ETF。

• 依赖缺失：请激活 venv 并安装依赖
• 数据为空：
  • 避免未来日期，尝试更早开始日期（如 20230101）
  • 尝试添加/去掉 sz/sh 前缀

• 许可证：MIT
• 作者：Liu Qingyi
• 版本：1.1.0（见 etf_analyzer.py 顶部）

欢迎 Issue/PR。可讨论新增特征、XGBoost/LightGBM、或改为方向分类任务等。