| name | fund-valuation |
| description | 基金估值系统技能。提供基金查询、实时估值、市场数据获取等功能，支持 HTTP API 调用方式。 |
基金估值系统技能
触发场景
当用户请求以下内容时，应使用此技能：
- 查询基金信息、净值、持仓
- 获取基金实时估值和涨跌幅
- 查询股票、ETF、指数行情
- 批量估值多只基金
- 分析基金投资价值
- 分析基金涨跌原因
- 分析基金波动因子/风险来源
- 解释金融术语/概念
- 查询金融知识/最新资讯
- 调研相关开源项目/论文
能力说明
本技能提供以下功能：
| 能力 | 描述 | HTTP API |
|---|
| 基金查询 | 获取基金信息、持仓、净值 | GET /api/funds/{code} |
| 实时估值 | 盘中实时估算基金净值 | GET /api/valuation/{code} |
| 持仓管理 | 添加/删除/查看持仓 | GET/POST /api/funds |
| 股票行情 | A 股实时价格 | GET /api/market/stock/{code} |
| ETF 行情 | 场内 ETF 实时价格 | GET /api/market/etf/{code} |
| 指数行情 | 国内外指数点位 | GET /api/market/index/{code} |
| 批量估值 | 同时估值多只基金 | POST /api/valuation/batch |
AI 分析能力
除上述基础数据获取能力外，本技能还强调 AI 的分析推理能力，用于深度分析基金涨跌原因和波动因子。
重要原则：
- 禁止编造数据，所有数据必须来自 API 返回或可靠来源
- 分析要有深度，不能只是简单的罗列
- 要把各种信息联系起来，形成有逻辑的分析链条
- 篇幅要足够长，提供足够多的有效信息
涨跌原因分析
当用户要求分析基金涨跌原因时，AI 应进行深度多维度分析，而不是简单的罗列。
分析要求：
-
数据获取
- 获取基金前十大持仓（通过
GET /api/funds/{code}/holdings）
- 获取实时估值（通过
GET /api/valuation/{code}）
- 获取重仓股的实时行情（通过
GET /api/market/stock/{code}）
- 获取相关指数行情（通过
GET /api/market/index/{code}）
-
量化贡献分析（必须有数据支撑）
- 计算每个持仓的贡献度：贡献 = 持仓权重 × 涨跌幅
- 按行业汇总贡献，列出具体的百分比
- 区分正贡献和负贡献，计算净贡献
-
深度原因剖析（不是简单罗列）
- 结合市场整体走势分析
- 分析当日板块轮动规律
- 判断是否是系统性下跌还是个股问题
- 如果是行业整体下跌，分析行业下跌的根本原因
-
上下文关联分析
- 分析持仓公司的基本面变化（业绩、估值、景气度）
- 分析宏观因素（政策、资金面、情绪面）
- 分析行业周期位置
-
对比分析
- 与业绩基准对比（跑赢还是跑输）
- 与同类基金对比（在同类中的位置）
- 与历史表现对比（是否异常）
输出要求：
- 至少 500 字以上的深度分析
- 必须包含具体的数据和百分比
- 要有明确的分析结论
- 最后给出风险提示
反例（错误的分析）：
今日基金下跌 2%，主要是因为股市下跌。重仓股中贵州茅台跌了 2%，宁德时代跌了 3%。所以基金下跌了。
（这种分析太浅，没有量化，没有深度）
正例（正确的分析）：
## 深度分析：今日基金下跌 2.35%
### 一、量化贡献分解
根据持仓数据和实时行情计算：
| 持仓 | 权重 | 今日涨跌 | 贡献度 |
|------|------|----------|--------|
| 贵州茅台 | 9.2% | -2.1% | -0.19% |
| 宁德时代 | 7.8% | -4.5% | -0.35% |
| 招商银行 | 5.5% | -1.8% | -0.10% |
| 中国中免 | 4.2% | -3.2% | -0.13% |
| ... | ... | ... | ... |
**正贡献合计**：+0.15%（少数上涨的持仓）
**负贡献合计**：-2.50%（大部分持仓下跌）
**净贡献**：-2.35%
### 二、行业层面分析
从行业分布看，基金主要配置在：
- **食品饮料**（25%）：平均下跌 1.8%，贡献 -0.45%
- **新能源**（20%）：平均下跌 3.5%，贡献 -0.70%
- **金融**（15%）：平均下跌 1.5%，贡献 -0.23%
- **医药**（12%）：平均下跌 2.2%，贡献 -0.26%
今日下跌主要是**新能源和食品饮料**两大板块拖累。
### 三、深度原因剖析
1. **新能源板块**今日大幅下跌的原因：
- 碳酸锂价格持续阴跌，行业景气度担忧
- 欧洲新能源车销量不及预期
- 估值处于历史高位，筹码松动
2. **食品饮料**下跌的原因：
- 消费复苏预期转弱
- 白酒龙头动销数据一般
- 外资净卖出A股，消费板块承压
3. **市场整体**因素：
- 今日A股整体下跌 1.8%，属于系统性调整
- 主力资金净流出 200亿
- 人民币贬值，北向资金净流出
### 四、与基准对比
- 基金下跌 2.35%，沪深 300 下跌 1.8%
- 基金跑输基准 0.55%，主要因为高配了高波动的新能源
### 五、结论与建议
**下跌原因总结**：
1. 主要是新能源和消费两大板块下跌拖累
2. 既有行业基本面因素，也有市场情绪因素
3. 跑输业绩基准，需要关注
**风险提示**：
- 新能源行业波动较大，注意集中度风险
- 消费复苏仍需观察，建议分散配置
基金投资价值分析
当用户要求分析基金的投资价值时，AI 应进行全面综合评估，而不是简单的"好"或"不好"。
分析要求：
-
数据获取
- 基金基本信息（类型、规模、成立时间）
- 历史业绩（近1年、3年、5年、成立以来）
- 持仓结构（行业分布、重仓股）
- 费率结构（管理费、托管费、销售服务费）
- 基金经理信息（任职时间、代表作）
-
业绩分析
- 收益维度：
- 各时间段收益率（近1月/3月/6月/1年/3年/5年）
- 年化收益率
- 与业绩基准对比
- 与同类基金对比（排名百分位）
- 风险维度：
- 年化波动率
- 最大回撤
- 夏普比率（风险调整收益）
- 卡玛比率（收益/最大回撤）
-
归因分析
- 收益来源分解：Alpha + Beta + 行业配置 + 个股选择
- 判断是运气还是实力（长期业绩是否稳定）
- 分析超额收益的可持续性
-
持仓分析
- 行业配置：是否分散、是否有明显偏好
- 重仓股质量：基本面是否优秀、估值是否合理
- 换手率：高换手（交易型）vs 低换手（价值型）
- 集中度：是否过于集中
-
基金经理分析
- 任职时间（是否经历过牛熊）
- 管理规模（规模过大可能影响业绩）
- 投资风格是否稳定
- 跳槽频率（稳定性）
-
费率分析
- 总费率（管理费+托管费+销售服务费）
- 费率在同类中的水平
- 长期持有的成本影响
-
风险评估
- 投资风险等级（高/中/低）
- 主要风险点
- 适合的投资者类型
输出要求：
- 至少 800 字以上的全面分析
- 必须有具体的数据和百分比
- 要给出明确的结论（适合/不适合，哪些人适合）
- 最后给出风险提示
反例（错误的分析）：
这只基金近一年收益 20%，很厉害，可以买。基金经理经验丰富，值得信赖。
（这种分析太空洞，没有数据支撑，没有风险提示）
正例（正确的分析）：
## 基金投资价值分析：易方达消费行业股票（110022）
### 一、基本信息
| 项目 | 数据 | 评价 |
|------|------|------|
| 基金类型 | 股票型 | 高风险 |
| 基金规模 | 320 亿 | 较大，需关注流动性 |
| 成立时间 | 2010 年 | 经历过牛熊，业绩有参考性 |
| 基金经理 | 萧楠 | 任职 8 年，经验丰富 |
| 管理费率 | 1.5% | 略高于同类平均 |
### 二、业绩分析
**收益表现：**
| 时间段 | 收益率 | 基准收益 | 超额收益 | 同类排名 |
|--------|--------|----------|----------|----------|
| 近1年 | +18.5% | +12.0% | +6.5% | 前 20% |
| 近3年 | +45.2% | +30.1% | +15.1% | 前 15% |
| 近5年 | +95.8% | +55.2% | +40.6% | 前 10% |
| 成立以来 | +285% | +120% | +165% | 前 5% |
**评价**：长期超额收益显著，且稳定，表明基金经理有较强的选股能力。
**风险指标：**
| 指标 | 数值 | 评价 |
|------|------|------|
| 年化波动率 | 22% | 较高 |
| 最大回撤 | -35% | 较大 |
| 夏普比率 | 0.85 | 较好 |
| 卡玛比率 | 0.53 | 一般 |
**评价**：波动和回撤较大，但风险调整后收益尚可。
### 三、归因分析
**收益来源分解（以近3年为例）：**
- Alpha（选股能力）：+10%
- Beta（市场上涨）：+18%
- 行业配置：+3%
- 个股选择：+14%
**分析**：
- 超额收益主要来自个股选择，说明基金经理选股能力较强
- 行业配置贡献为正，说明行业判断也有贡献
- 整体来看，业绩主要靠实力而非运气
### 四、持仓分析
**行业配置（2024年Q1）：**
- 食品饮料：35%（重仓白酒）
- 家电：15%
- 医药：12%
- 休闲服务：10%
- 其他：28%
**前十大持仓：**
| 股票 | 占比 | 行业 | 估值（PE-TTM） |
|------|------|------|-----------------|
| 贵州茅台 | 9.5% | 食品饮料 | 35x |
| 五粮液 | 7.2% | 食品饮料 | 25x |
| 美的集团 | 5.8% | 家电 | 15x |
| ... | ... | ... | ... |
**分析**：
- 持仓集中度高（55%），以消费为主
- 重仓股估值整体合理
- 换手率较低（年化 80%），属于价值投资风格
### 五、基金经理分析
**萧楠简历**：
- 从业年限：12 年
- 任职本基金：8 年
- 管理规模：500 亿
- 代表作：易方达消费行业股票（任职回报 285%）
**评价**：
- 经验丰富，经历过 2015 股灾、2018 贸易战、2020 疫情
- 管理规模较大，可能影响调仓灵活性
- 投资风格稳定，不漂移
### 六、费率分析
| 费用类型 | 费率 | 同类平均 |
|----------|------|----------|
| 管理费 | 1.5% | 1.3% |
| 托管费 | 0.25% | 0.2% |
| 销售服务费 | 0 | 0.3% |
| 合计 | 1.75% | 1.8% |
**评价**：总费率略低于同类平均，因为没有销售服务费。
### 七、综合评估
**优势：**
1. 长期超额收益显著且稳定
2. 基金经理经验丰富，投资风格稳定
3. 费率在同类中不算高
4. 重仓股基本面优秀
**劣势：**
1. 波动和回撤较大
2. 持仓集中度高
3. 规模较大，灵活性下降
4. 单一行业（消费）占比过高
**适合投资者：**
- 风险承受能力较强
- 投资期限较长（3年以上）
- 认同消费行业投资逻辑
- 希望获取超额收益
**不适合投资者：**
- 风险厌恶型
- 投资期限较短
- 需要分散行业风险
### 八、风险提示
1. **市场风险**：股票型基金波动较大，可能亏损
2. **集中度风险**：重仓消费行业，行业轮动可能不利
3. **规模风险**：规模较大，可能影响超额收益
4. **流动性风险**：重仓股可能存在流动性问题
波动因子分析
当用户要求分析基金波动因子时，AI 应进行系统性风险分解，识别风险的来源和传导机制。
分析要求：
-
获取完整数据
- 基金持仓结构（行业分布、市值分布）
- 前十大重仓股及占比
- 基金类型和投资范围
- 历史波动率和回撤数据
-
系统性风险（Market Risk）
- 计算市场 Beta：基金涨跌幅 / 指数涨跌幅
- Beta > 1 表示波动大于市场，< 1 表示波动小于市场
- 分析在不同市场环境下的表现（上涨市、下跌市、震荡市）
-
行业风险（Industry Risk）
- 列出各行业的配置比例
- 分析行业的周期属性（周期/防御）
- 判断行业集中度风险
- 分析行业之间的相关性
-
风格因子风险（Style Factor Risk）
- 市值因子：大盘/中盘/小盘，不同市值规模波动差异大
- 价值因子：低估值（高 PB）vs 成长（低 PB），价值股更稳健
- 动量因子：过去涨跌幅，趋势延续还是反转
- 波动率因子：历史波动率水平，高波动基金回撤大
- 盈利因子：ROE、盈利能力，优质公司更抗跌
-
集中度风险（Concentration Risk）
- 前十大持仓占比：>50% 为高集中度
- 单个行业占比：>30% 为高行业集中度
- 单只股票占比：>10% 为高个股集中度
-
流动性风险
输出要求：
- 至少 500 字以上的深度分析
- 必须有具体的数据支撑
- 要解释每个风险因子如何影响基金
- 最后给出风险管理建议
示例：
## 波动因子深度分析
### 一、基金风险画像
根据持仓数据，该基金的风险特征如下：
| 风险维度 | 指标值 | 风险等级 | 说明 |
|----------|--------|----------|------|
| 市场 Beta | 1.15 | 高 | 波动大于市场 15% |
| 前十大持仓 | 58% | 高 | 集中度较高 |
| 行业集中度 | 45% | 高 | 电子行业占比过高 |
| 市值因子 | 0.7 | 中高 | 偏中小盘 |
| 波动率 | 25% | 高 | 历史年化波动率 |
### 二、风险传导机制
1. **市场 Beta 传导**：
- 市场每下跌 1%，基金预计下跌 1.15%
- 在熊市中回撤会更大
2. **行业集中度风险**：
- 电子行业占比 45%，包括半导体、消费电子、新能源电子
- 电子行业属于强周期行业，波动大
- 当电子行业下跌时，基金受创严重
3. **集中度放大效应**：
- 前十大持仓占比 58%，其中宁德时代占比 9%
- 宁德时代大跌 5%时，直接拖累基金 0.45%
### 三、历史表现验证
| 市场环境 | 基金表现 | 基准表现 | 超额收益 |
|----------|----------|----------|----------|
| 2022 熊市 | -25% | -20% | -5% |
| 2023 震荡 | +8% | -5% | +13% |
| 2024 上涨 | +20% | +15% | +5% |
**分析**：基金在牛市中表现较好，熊市中回撤也更大，验证了高 Beta 特征。
### 四、风险管理建议
1. **降低组合 Beta**：增配低波动、低 Beta 的资产
2. **分散行业**：电子行业占比过高，建议降至 30% 以下
3. **控制集中度**：前十大持仓建议降至 50% 以下
4. **关注流动性**：检查重仓股的日均成交量是否充足
金融知识查询
AI 可利用自身知识库回答问题，但要注意：
- 解释要详细，不要只给定义，要举例说明
- 如果是复杂概念，要分层次解释
- 如果不确定，要明确告知用户
回答要求示例：
问题：什么是夏普比率？
反例（太简短）：
夏普比率是衡量基金风险调整后收益的指标，越高越好。
正例（详细解释）：
## 夏普比率详解
### 定义
夏普比率（Sharpe Ratio）由诺贝尔经济学奖得主威廉·夏普提出，用于衡量投资者每承担一单位风险所获得的超额回报。
### 计算公式
夏普比率 = (基金收益率 - 无风险收益率) / 基金收益率的标准差
### 含义解读
- **夏普比率 > 1**：风险调整后收益较好，性价比高
- **夏普比率 > 2**：非常优秀的基金
- **夏普比率 < 0**：说明基金收益甚至不如无风险利率
- **夏普比率 = 0**：收益与风险完全匹配
### 举例
假设：
- 基金年化收益率：15%
- 无风险利率（国债收益率）：3%
- 基金年化波动率：20%
夏普比率 = (15% - 3%) / 20% = 0.6
这意味着每承担 1% 的波动风险，能获得 0.6% 的超额收益。
### 局限性
1. 假设收益率服从正态分布，可能低估极端风险
2. 只考虑下行波动，不考虑上行波动
3. 不同市场环境下夏普比率可参考性不同
### 如何使用
在选择基金时，应该：
1. 选择夏普比率 > 1 的基金
2. 在同类基金中比较夏普比率
3. 结合其他指标一起使用
深度调研
对于需要最新信息或深入研究的问题，AI 应进行调研：
调研原则：
- 先明确问题，再选择合适的调研方式
- 引用来源时要准确
- 不要只给出结论，要给出分析过程
调研方法：
-
WebSearch（网络搜索）
- 用于获取最新资讯、政策、新闻
- 搜索行业动态、公司公告
- 查找研究报告
-
WebFetch（网页抓取）
- 用于获取特定网页的详细内容
- 提取关键信息
- 验证搜索结果
-
Agent（子代理）
- 用于需要多步骤研究的复杂问题
- 可以并行获取多个来源的信息
- 综合整理调研结果
调研示例：
场景：用户问"这只重仓新能源的基金，最近新能源板块有什么政策？"
正确做法：
我先搜索一下最近新能源板块的相关政策：
[使用 WebSearch 搜索：新能源行业政策 2024]
根据搜索结果，我为您整理最近新能源板块的重要政策：
### 1. 光伏行业
- 2024 年光伏装机目标上调
- 分布式光伏政策持续加码
- 原材料价格下行，产业链利润重新分配
### 2. 新能源车行业
- 购置税减免政策延续
- 各地方补贴政策出台
- 充电基础设施加速建设
### 3. 政策影响分析
- **短期**：政策利好释放，但行业产能过剩担忧仍在
- **中长期**：政策支持方向明确，行业发展空间大
- **风险**：欧美贸易摩擦可能影响出口
结合政策面和基本面，建议关注...
禁止的行为：
- 凭空编造政策内容
- 不经调研就给出结论
- 只给结论不给分析过程
服务启动
检查服务状态
curl -s http://localhost:8000/health
返回 {"status": "healthy"} 表示服务正常。
启动后端服务
如果服务未运行，Agent 应自行启动：
cd <PROJECT_ROOT>
pip install -r requirements.txt
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000
注意：
使用示例
示例 1：查询基金信息
HTTP API 调用:
curl http://localhost:8000/api/funds/110022
预期返回:
{
"success": true,
"data": {
"fund_code": "110022",
"fund_name": "易方达消费行业股票",
"fund_type": "股票型",
"nav": 3.2430,
"nav_date": "2026-03-11"
}
}
示例 2：获取实时估值
HTTP API 调用:
curl http://localhost:8000/api/valuation/110022
预期返回:
{
"success": true,
"data": {
"fund_code": "110022",
"estimated_nav": 3.2342,
"estimated_change_percent": 0.31,
"valuation_type": "holdings_based",
"confidence": 0.75
}
}
示例 3：批量估值
HTTP API 调用:
curl -X POST http://localhost:8000/api/valuation/batch \
-H "Content-Type: application/json" \
-d '{"fund_codes": ["110022", "510300", "159915"]}'
示例 4：获取持仓列表
HTTP API 调用:
curl http://localhost:8000/api/funds
示例 5：获取市场行情
股票行情:
curl http://localhost:8000/api/market/stock/600519
ETF 行情:
curl http://localhost:8000/api/market/etf/510300
指数行情:
curl http://localhost:8000/api/market/index/000300
curl http://localhost:8000/api/market/global-index/nasdaq
估值类型说明
系统根据基金类型自动选择最优估值方法：
| 估值类型 | 置信度 | 适用场景 |
|---|
real_time_price | 100% | 场内 ETF、LOF（直接取交易价格） |
index_based | 85% | 指数基金、ETF 联接（基于跟踪指数） |
holdings_based | 60-80% | 主动股票/混合型（基于持仓股票） |
benchmark_only | 30% | 数据缺失（仅参考业绩基准） |
常用基金代码参考
| 类型 | 代码 | 名称 |
|---|
| 沪深 300ETF | 510300 | 华泰柏瑞沪深 300ETF |
| 创业板 ETF | 159915 | 易方达创业板 ETF |
| 中证 500ETF | 510500 | 南方中证 500ETF |
| 科创 50ETF | 588000 | 华夏科创 50ETF |
| 黄金 ETF | 518880 | 华安黄金 ETF |
| 纳斯达克 ETF | 513100 | 国泰纳斯达克 100ETF |
| 标普 500ETF | 513500 | 博时标普 500ETF |
常用指数代码参考
| 市场 | 代码 | 名称 |
|---|
| A 股 | 000300 | 沪深 300 |
| A 股 | 000905 | 中证 500 |
| A 股 | 399006 | 创业板指 |
| A 股 | 000688 | 科创 50 |
| 港股 | hsi | 恒生指数 |
| 美股 | nasdaq | 纳斯达克指数 |
| 美股 | sp500 | 标普 500 |
| 美股 | dji | 道琼斯指数 |
| 日本 | n225 | 日经 225 |
常用因子参考
风格因子
| 因子 | 说明 | A 股代表性指标 |
|---|
| 市值 (Size) | 大盘股 vs 小盘股 | 中证 100 vs 中证 1000 |
| 价值 (Value) | 低估值 vs 高估值 | PB、PE |
| 成长 (Growth) | 高增长 vs 低增长 | 净利润增速、营收增速 |
| 动量 (Momentum) | 趋势延续 | 过去 N 月涨跌幅 |
| 波动率 (Volatility) | 波动大小 | 历史波动率 |
| 盈利 (Profitability) | 盈利质量 | ROE、毛利率 |
| 杠杆 (Leverage) | 负债水平 | 资产负债率 |
行业分类（申万一级）
| 代码 | 行业 | 代码 | 行业 |
|---|
| 801010 | 农林牧渔 | 801030 | 纺织服装 |
| 801050 | 家用电器 | 801080 | 电子 |
| 801110 | 食品饮料 | 801120 | 休闲服务 |
| 801150 | 医药生物 | 801160 | 电气设备 |
| 801170 | 国防军工 | 801180 | 计算机 |
| 801210 | 传媒 | 801230 | 通信 |
| 801260 | 房地产 | 801280 | 商业贸易 |
| 801300 | 交通运输 | 801380 | 银行 |
| 801390 | 非银金融 | 801410 | 建筑装饰 |
| 801420 | 化工 | 801430 | 钢铁 |
| 801450 | 有色金属 | 801480 | 机械设备 |
| 801510 | 轻工制造 | 801630 | 公用事业 |
基金风格矩阵
| 价值 | 平衡 | 成长 |
|---|
| 大盘 | 大盘价值 | 大盘平衡 | 大盘成长 |
| 中盘 | 中盘价值 | 中盘平衡 | 中盘成长 |
| 小盘 | 小盘价值 | 小盘平衡 | 小盘成长 |
分析流程建议
完整基金分析流程
第一步：数据收集（必须全部获取）
- 调用
GET /api/funds/{code} 获取基金基本信息
- 调用
GET /api/funds/{code}/holdings 获取持仓列表
- 调用
GET /api/valuation/{code} 获取实时估值
- 对于重仓股，调用
GET /api/market/stock/{code} 获取行情
- 如有必要，获取相关指数行情
GET /api/market/index/{code}
第二步：量化分析（必须有数据支撑）
- 计算每个持仓的贡献度
- 按行业汇总贡献
- 计算正负贡献合计
- 与业绩基准对比
第三步：深度剖析（不是简单罗列）
- 分析当日板块/行业走势
- 判断是系统性下跌还是个股问题
- 分析宏观/政策/资金面因素
- 判断行业周期位置
第四步：形成结论
- 总结下跌/上涨的核心原因
- 评估是否属于正常波动
- 给出风险提示
- 提供投资建议（如适用）
写作风格要求
禁止：
- 篇幅少于 500 字的"简短分析"
- 只有结论没有分析过程
- 简单的罗列（如"今日下跌是因为 XX、XX、XX"）
- 未经调研就编造政策/消息
- 使用"可能""也许""大概"等不确定词汇却不验证
推荐：
- 每个观点都有数据/事实支撑
- 分析要有逻辑链条（因为 XX，所以 XX）
- 适当引用市场背景和宏观因素
- 给出具体的风险点和操作建议
- 结尾必须有风险提示
篇幅参考：
- 基础分析（简单问答）：300-500 字
- 深度分析（涨跌原因）：800-1500 字
- 全面分析（含风险）：1500-2500 字
注意事项
- 服务依赖: 所有功能依赖后端服务运行在
http://localhost:8000
- 交易时间: 估值数据仅在 A 股交易时段（9:30-15:00）有效
- QDII 时差: 投资海外的 QDII 基金估值时间与 A 股不同步
- 数据刷新: 建议设置合理的刷新间隔（>=30 秒），避免被数据源限制
- 免责声明: 估值数据仅供参考，不构成投资建议
故障排除
问题：API 调用返回空数据或错误
curl http://localhost:8000/health
curl http://localhost:8000/api/funds/query/110022
问题：估值数据为 null
- 可能是非交易时间
- 基金可能是 QDII，需要等待海外市场开盘
- 数据源可能暂时不可用
问题：后端启动失败
pip install -r requirements.txt
lsof -i :8000
