修改默认评价

app/service/evaluation.csv

+HF00002JJ2,11月下半月，伴随美国大选形势明朗化，以及美元持续走弱，国内经济持续复苏等综合因素影响，商品和股市都持续走强。商品方面受美元因素影响较大的有色走势更强，股指期货方面由于市场风格转向周期和价值股，IH及IF走势更强。远澜商品组合中趋势，均值回复，量价截面和基本面量化等子策略皆不同程度获利，股指组合中量价和基本面量化择时策略也都小幅盈利。
+HF00002G4A,本月市场环境对基金期权套利策略影响不大，整个11月表现为稳定增长。
+HF00006693,目前仓位75成，主要配置于食品饮料（7.77%），TMT(17.22%)、医药生物(39.26%)、休闲服务（6.55%）、电力设备（4.68%）。
+HF00006BGS,11月份月度涨幅0.59%，成立以来跌幅12.63%。市场轮动加速、 强势股快速回调，导致策略超额不理想。针对近期产品的回撤情况，无量投研团队也在日以继夜的加强研究分析，不断总结经验以求更好适应当下市场。无量逐步排查并解决了一些交易及策略方面存在的问题，并更新了一些低频因子，体现在业绩上还需要一些时间。
+HF00006AZF,权益类：仍然持有基本面长期看好的先进制造业类股票，期待迎来戴维斯双击的 上涨，同时用股指期货期权对冲指数风险，整体权益类资产保持净多仓。 商品类：由空翻多，不过会加入跨品种之间的对冲保护。 债券类：大幅减仓，等待企稳后逐步加回仓位。本月收益主要由商品类资产贡献较多。
+HF0000681Q,市场从年初以消费、医药、科技板块跑出较长时间的一波行情之后，9月10月经历了市场的调整，11月份之后，A股市场处于震荡上行状态，市场出现各个板块的风格不断快速切换，给阿尔法策略短期带来了较大的压力。另一方面，股指基差收敛，期货价格上升，但对于目前已经持有的股指空头来说，会造成额外的亏损。目前跟踪走势表现正常。
+HF00004RHP,本月通过到期兑付、出售获得较多的流动性，并把握住了恐慌波动带来的市场投资良机， 获利了结部分乳业可交换债、全部汽车零部件行业转债；旅游行业公司债完成兑付，文化传媒行业公司债完成部分兑付；加仓建筑环保行业转债、电磁线行业转债，新增铝加工添加剂行业转债；新增环保行业、煤炭行业以及电解铝行业债券。目前仓位94成，重点行业主要分布在地产、电解铝、建筑环保、钢铁、城投。
+HF00005DBQ,"本月通过到期兑付、出售获得较多的流动性，并把握住了恐慌波动带来的市场投资良机， 获利了结全部汽车零部件行业转债、服纺行业转债；旅游行业公司债完成兑付，文化传媒行业公司债完成部分
+兑付；加仓建筑环保行业转债、电磁线行业转债，新增铝加工添加剂行业转债；新增环保行业、煤炭行业以及电解铝行业债券。目前仓位92成，重点行业主要分布在地产、钢铁、电解铝、煤炭。"
+HF00005ZUB,本月通过到期兑付、出售获得较多的流动性，并把握住了恐慌波动带来的市场投资良机， 获利了结全部汽车零部件行业转债、服纺行业转债；旅游行业公司债完成兑付，文化传媒行业公司债完成部分兑付；加仓建筑环保行业转债、电磁线行业转债，新增铝加工添加剂行业转债；新增环保行业、煤炭行业以及电解铝行业债券。目前仓位9成，重点行业主要分布在地产、钢铁、电解铝、建筑环保。
+HF00006641,业绩归因方面：本月打新收益0.22%，中高频CTA收益-0.315%，中性策略收益-2.1268%。因11月市场风格转变剧烈，量价因子阶段性失效，导致中性策略发生亏损。近期商品期货中亏损较大的板块是油脂油料和贵金属板块，由于思勰做的是短周期CTA策略，交易级别在小时级，因此更加关注商品期货在日内流畅的波动，然而遇到如开盘跳空或是日内的来回拉锯行情亦或是一些突发事件导致的走势反转，就很难捕捉到交易机会。
+HF00006GNQ,目前本策略全部资金进行高频CTA运作，运作正常。
+HF00005QOM,本月通过到期兑付、出售获得较多的流动性，并把握住了恐慌波动带来的市场投资良机，获利了结全部汽车零部件行业转债、服纺行业转债；旅游行业公司债完成兑付，文化传媒行业公司债完成部分兑付；加仓建筑环保行业转债、电磁线行业转债，新增铝加工添加剂行业转债；新增环保行业、煤炭行业以及电解铝行业债券。目前仓位9成，重点行业主要分布在地产、煤炭、城投、建筑环保。
+HF00006DLK,11月下半月，伴随美国大选形势明朗化，以及美元持续走弱，国内经济持续复苏等综合因素影响，商品和股市都持续走强，很多板块间都有较为明显的趋势，商品中是有色板块，而股市中是周期和价值股。市场环境对于中长周期的象限策略来说偏友好。整个11月的涨幅较可观。
+HF00006FEU,11月下半月，伴随美国大选形势明朗化，以及美元持续走弱，国内经济持续复苏等综合因素影响，商品和股市都持续走强，很多板块间都有较为明显的趋势，商品中是有色板块，而股市中则是周期和价值股，大多数量化选股策略由于量价因子失效均出现负超额，黑翼的CTA与指增组合效果表现要优于市场上大多纯指数增强策略。
+HF00005AFK,疫情以及美国大选等扰动因素下，跨境价差套利策略较难做，为控制波动风险，适当降低策略配比，加大低风险的股指期现套利。
\ No newline at end of file

app/service/portfolio_diagnose.py

@@ -1091,19 +1091,30 @@ class PortfolioDiagnose(object):
             evaluation = choose_bad_evaluation(data)
 
         ret = []
+        fund_name = get_fund_name(fund_id).values[0][0]
+        try:
+            default_evaluation = pd.read_csv("evaluation.csv", encoding='utf-8', names=['fund_id', 'eval'])
+            if default_evaluation[default_evaluation['fund_id'] == fund_id]['eval'].values[0]:
+                ret.append('1、' + default_evaluation[default_evaluation['fund_id'] == fund_id]['eval'].values[0])
+
+                evaluation_dict = {'name': fund_name, 'data': ret}
+
+                if objective:
+                    if fund_id in self.abandon_fund_score + self.abandon_fund_corr:
+                        evaluation_dict['status'] = "换仓"
+                    elif fund_id in self.portfolio:
+                        evaluation_dict['status'] = "保留"
+                else:
+                    evaluation_dict['status'] = ""
+                return evaluation_dict
+        except Exception:
+            pass
+
         i = 1
         for k, v in evaluation.items():
             single_sentence = str(i) + "、" + sentence[k] % translate_single(content, k, v)
             ret.append(single_sentence)
             i += 1
-        fund_name = get_fund_name(fund_id).values[0][0]
-
-        if not ret:
-            try:
-                default_evaluation = pd.read_csv("evaluation.csv", encoding='utf-8', names=['fund_id', 'eval'])
-                ret.append('1、' + default_evaluation[default_evaluation['fund_id'] == fund_id]['eval'].values[0])
-            except Exception:
-                pass
 
         evaluation_dict = {'name': fund_name, 'data': ret}
 
@@ -1155,14 +1166,15 @@ class PortfolioDiagnose(object):
         return radar_data
 
 
-portfolio = ['HF00002JJ2', 'HF00005DBQ', 'HF0000681Q', 'HF00006693', 'HF00006AZF', 'HF00006BGS']
-portfolio_diagnose = PortfolioDiagnose(client_type=1, portfolio=portfolio, invest_amount=10000000)
-portfolio_diagnose.optimize()
-if __name__ == '__main__':
-    print(portfolio_diagnose.single_fund_radar())
-    print(portfolio_diagnose.propose_fund_radar())
-    print(portfolio_diagnose.old_portfolio_evaluation())
-    print('旧组合相关性：', portfolio_diagnose.old_correlation)
-    print('新组合相关性：', portfolio_diagnose.new_correlation)
-    print('旧组合个基评价：', portfolio_diagnose.old_portfolio_evaluation())
-    print('新组合个基评价：', portfolio_diagnose.propose_fund_evaluation())
+# portfolio = ['HF00002JJ2', 'HF00005DBQ', 'HF0000681Q', 'HF00006693', 'HF00006AZF', 'HF00006BGS']
+# portfolio_diagnose = PortfolioDiagnose(client_type=1, portfolio=portfolio, invest_amount=10000000)
+# portfolio_diagnose.optimize()
+# if __name__ == '__main__':
+    # print(portfolio_diagnose.single_fund_radar())
+    # print(portfolio_diagnose.propose_fund_radar())
+    # print(portfolio_diagnose.old_portfolio_evaluation())
+    # print('旧组合相关性：', portfolio_diagnose.old_correlation)
+    # print('新组合相关性：', portfolio_diagnose.new_correlation)
+    # print('旧组合个基评价：', portfolio_diagnose.old_portfolio_evaluation())
+    # print('新组合个基评价：', portfolio_diagnose.propose_fund_evaluation())
\ No newline at end of file
+    # print(portfolio_diagnose.single_evaluation(fund_id='HF0000681Q'))
\ No newline at end of file