手把手教你用Python实现基金持仓采集 自动算收益率生成Excel报告

在个人基金投资管理中，手动整理持仓明细、核对每日净值、计算浮动收益是件挺磨人的事——十几只基金挨个查净值，再对着Excel算盈亏，不仅耗时费力，还经常因为计算口径不一样出现偏差。

本文基于Python实现公开基金数据的自动化采集，结合Excel自动化能力，完整覆盖数据拉取、清洗、收益率计算到标准化报告生成的全流程。不用手动复制粘贴，运行一次脚本就能输出一份格式规范的持仓分析报告。

一、前期准备与整体流程

1.1 技术栈说明

整个实现只用到四个核心库，无需复杂依赖：

• requests：负责HTTP请求与公开数据采集
• pandas：负责结构化数据清洗与数值计算
• openpyxl：负责Excel文件的写入与格式美化
• json：负责接口返回数据的解析

1.2 环境配置

Python版本建议3.8及以上，通过pip一键安装依赖：

pipinstallrequests pandas openpyxl

1.3 整体实现流程

整个流程分为五个核心环节，逻辑如下：

二、分步实现细节

2.1 数据源与接口分析

我们选取国内公开的基金行情接口作为数据源，返回标准JSON格式数据，包含基金基础信息（名称、代码、最新净值）与十大持仓明细（股票名称、持仓占比、持仓市值）等字段。

开发前先通过浏览器调试工具确认接口地址、请求方式与必要的请求头，重点关注返回数据的层级结构，避免后续解析出错。

2.2 数据采集模块封装

这里我们封装一个通用的基金数据采集函数，加入异常处理与请求头伪装，保证采集稳定性。核心实现如下：

importrequestsimportpandasaspdimporttimedeffetch_fund_info(fund_code):""" 采集单只基金的基础信息与持仓数据 :param fund_code: 基金代码，字符串格式 :return: 基础信息DataFrame、持仓明细DataFrame """base_url="对应公开接口地址前缀"headers={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36","Referer":"对应公开页面地址"}try:# 请求基础信息resp=requests.get(f"{base_url}/base/{fund_code}",headers=headers,timeout=10)resp.raise_for_status()base_data=resp.json().get("data",{})# 请求持仓明细hold_resp=requests.get(f"{base_url}/holdings/{fund_code}",headers=headers,timeout=10)hold_resp.raise_for_status()hold_data=hold_resp.json().get("data",{}).get("holdings",[])# 转为结构化DataFramebase_df=pd.DataFrame([{"基金代码":fund_code,"基金名称":base_data.get("name"),"最新净值":float(base_data.get("net_value",0)),"净值日期":base_data.get("date")}])hold_df=pd.DataFrame(hold_data)# 控制请求频率time.sleep(0.5)returnbase_df,hold_dfexceptExceptionase:print(f"基金{fund_code}数据采集失败：{str(e)}")returnNone,None

这里踩过一个很典型的坑：最开始没加Referer请求头，接口一直返回403禁止访问，加上对应页面的Referer后就能正常返回数据了。另外一定要加请求间隔，避免短时间大量请求触发平台的访问限制。

2.3 收益率计算逻辑实现

这部分是整个脚本的核心，我们基于个人持仓的本金与份额，结合采集到的最新净值，自动计算每只基金的浮动盈亏、收益率，以及整体持仓占比。

先定义个人持仓的输入格式，用Excel导入或者直接写在脚本里都可以，这里用DataFrame模拟持仓数据：

# 个人持仓配置示例my_holdings=pd.DataFrame([{"基金代码":"000001","持有份额":10000,"买入成本":15000},{"基金代码":"110011","持有份额":5000,"买入成本":8000},{"基金代码":"161725","持有份额":8000,"买入成本":12000}])

然后封装计算函数，统一计算口径：

defcalculate_holding_income(my_holdings,fund_base_list):""" 计算持仓收益率与明细 :param my_holdings: 个人持仓DataFrame :param fund_base_list: 采集到的基金基础信息列表 :return: 持仓收益总览DataFrame """# 合并持仓与最新净值数据base_all=pd.concat(fund_base_list,ignore_index=True)merged=pd.merge(my_holdings,base_all,on="基金代码",how="left")# 核心指标计算merged["持仓市值"]=round(merged["持有份额"]*merged["最新净值"],2)merged["浮动盈亏"]=round(merged["持仓市值"]-merged["买入成本"],2)merged["收益率(%)"]=round(merged["浮动盈亏"]/merged["买入成本"]*100,2)# 计算整体持仓占比total_market=merged["持仓市值"].sum()merged["持仓占比(%)"]=round(merged["持仓市值"]/total_market*100,2)# 补充合计行total_row=pd.DataFrame([{"基金代码":"合计","基金名称":"-","最新净值":"-","持有份额":merged["持有份额"].sum(),"买入成本":round(merged["买入成本"].sum(),2),"持仓市值":round(total_market,2),"浮动盈亏":round(merged["浮动盈亏"].sum(),2),"收益率(%)":round(merged["浮动盈亏"].sum()/merged["买入成本"].sum()*100,2),"持仓占比(%)":100.0}])result=pd.concat([merged,total_row],ignore_index=True)returnresult

计算时要注意两个细节：一是所有数值统一保留两位小数，符合金融数据的展示习惯；二是单独添加合计行，不用打开Excel再手动求和。

2.4 Excel自动化报告生成

最后一步是把计算好的数据生成规范的Excel报告，我们分两个Sheet存放：「持仓总览」放收益与占比数据，「十大持仓汇总」放所有基金的持仓股票明细。

同时加入表头美化、条件格式、自动列宽，让报告不用再手动调整格式：

fromopenpyxlimportWorkbookfromopenpyxl.stylesimportFont,Alignment,PatternFill,Border,Sidefromopenpyxl.utils.dataframeimportdataframe_to_rowsdefgenerate_excel_report(income_result,hold_detail_list,output_file="基金持仓报告.xlsx"):wb=Workbook()thin_border=Border(left=Side(style='thin'),right=Side(style='thin'),top=Side(style='thin'),bottom=Side(style='thin'))center_align=Alignment(horizontal="center",vertical="center")# ========== Sheet1: 持仓总览 ==========ws1=wb.active ws1.title="持仓总览"# 写入数据forrow_idx,rowinenumerate(dataframe_to_rows(income_result,index=False,header=True),1):forcol_idx,valueinenumerate(row,1):cell=ws1.cell(row=row_idx,column=col_idx,value=value)cell.alignment=center_align cell.border=thin_border# 表头样式ifrow_idx==1:cell.font=Font(bold=True,color="FFFFFF")cell.fill=PatternFill("solid",fgColor="4472C4")# 合计行样式ifvalue=="合计":cell.font=Font(bold=True)cell.fill=PatternFill("solid",fgColor="FFF2CC")# 收益率条件格式：正收益标绿，负收益标红green_fill=PatternFill("solid",fgColor="C6EFCE")red_fill=PatternFill("solid",fgColor="FFC7CE")rate_col=7# 收益率所在列号，根据实际调整forrowinrange(2,ws1.max_row+1):rate_val=ws1.cell(row=row,column=rate_col).valueifisinstance(rate_val,(int,float)):ifrate_val>0:ws1.cell(row=row,column=rate_col).fill=green_fillelifrate_val<0:ws1.cell(row=row,column=rate_col).fill=red_fill# 自动调整列宽forcolinws1.columns:max_len=0col_letter=col[0].column_letterforcellincol:try:# 中文按2个字符宽度计算length=len(str(cell.value).encode("gbk"))iflength>max_len:max_len=lengthexcept:passws1.column_dimensions[col_letter].width=max_len+2# ========== Sheet2: 十大持仓汇总 ==========ws2=wb.create_sheet("十大持仓汇总")all_holdings=pd.concat(hold_detail_list,ignore_index=True)forrow_idx,rowinenumerate(dataframe_to_rows(all_holdings,index=False,header=True),1):forcol_idx,valueinenumerate(row,1):cell=ws2.cell(row=row_idx,column=col_idx,value=value)cell.alignment=center_align cell.border=thin_borderifrow_idx==1:cell.font=Font(bold=True,color="FFFFFF")cell.fill=PatternFill("solid",fgColor="70AD47")# 同样调整列宽forcolinws2.columns:max_len=0col_letter=col[0].column_letterforcellincol:try:length=len(str(cell.value).encode("gbk"))iflength>max_len:max_len=lengthexcept:passws2.column_dimensions[col_letter].width=max_len+2wb.save(output_file)print(f"持仓报告已生成：{output_file}")

这里重点说下列宽的坑：最开始直接用len()计算字符长度，中文列总是显示不全，后来换成gbk编码的字节数来计算宽度，就基本准确了，再加上2个单位的冗余，完美适配中文场景。

三、常见问题排查

3.1 数据采集返回403/404

• 检查基金代码是否正确，部分基金代码需要补全6位数字
• 确认请求头是否完整，特别是Referer和User-Agent字段
• 接口地址可能会更新，建议定期抓包验证接口可用性
• 如果频繁请求被限制，可以拉长请求间隔，不建议硬刚反爬策略

3.2 收益率计算结果不对

• 确认净值日期是否为最新交易日，节假日与非交易时间净值不更新
• 如果基金有过分红或拆分，需要统一计算口径，本文默认现金分红
• 买入成本要包含手续费，否则计算出的收益率会有偏差

3.3 Excel生成报错或格式乱

• 确保pandas版本在1.1.0以上，低版本dataframe_to_rows有兼容问题
• 中文路径可能导致保存失败，建议使用英文路径或转码处理
• 条件格式列号要和实际数据列对应，否则会标错颜色

四、总结与扩展思路

本文实现了从基金数据采集、收益率自动计算到Excel报告生成的全流程自动化，原本需要十几分钟手动整理的工作，现在运行脚本十几秒就能完成，而且计算口径统一，不会出现人工误差。

如果想要进一步扩展能力，可以尝试这几个方向：

1. 加入定时任务，每天收盘后自动运行脚本，生成当日报告
2. 增加行业分布统计，基于持仓股票计算整体行业暴露度
3. 接入邮件或企业微信推送，自动把报告发送到手机
4. 扩展支持股票、理财等其他品类，做成统一的资产看板