refactor(datasource): 底层fetch方法添加adj参数

TushareSource.fetch() 和 YFinanceSource.fetch() 新增 adj 参数支持 raw/qfq/hfq

- TushareSource.fetch(adj='raw'): 内部路由到 fetch_index/fetch_stock_adj/fetch_etf_adj
- YFinanceSource.fetch(adj='raw'): 内部路由到 fetch_adj() 或原始逻辑
- 添加 is_china_stock() 和 _is_etf_code() 方法用于资产类型判断

datasource/yfinance_source.py

@@ -44,19 +44,30 @@ class YFinanceSource:
         self.use_ssh_tunnel = use_ssh_tunnel
         self._delay = 0.5  # 请求延迟（避免限流）
 
-    def fetch(self, code: str, start_date: str, end_date: str) -> Optional[pd.DataFrame]:
+    def fetch(self, code: str, start_date: str, end_date: str, adj: str = 'raw') -> Optional[pd.DataFrame]:
         """
-        获取数据
+        获取数据（支持 adj 参数）
         
         Args:
-            code: 代码（如 'NDX', 'N225', 'HSI'）
+            code: 代码（如 'NDX', 'N225', 'HSI', 'AAPL'）
             start_date: 开始日期 'YYYY-MM-DD'
             end_date: 结束日期 'YYYY-MM-DD'
+            adj: 复权类型 'raw'(原始) / 'qfq'(前复权) / 'hfq'(后复权)，默认 'raw'
         
         Returns:
             DataFrame with columns: date, open, high, low, close, volume
             股票元信息存储在 df.attrs['info'] 中
+            adj='qfq/hfq' 时 df.attrs['adj'] 会标记复权类型
         """
+        # 校验 adj 参数
+        if adj not in ['raw', 'qfq', 'hfq']:
+            raise ValueError(f"adj 参数必须是 'raw', 'qfq' 或 'hfq'，当前: {adj}")
+        
+        # 复权数据：调用 fetch_adj
+        if adj in ['qfq', 'hfq']:
+            return self.fetch_adj(code, start_date, end_date, adj)
+        
+        # 原始数据：以下为原有逻辑
         import yfinance as yf
         
         # 添加延迟避免限流
@@ -107,6 +118,7 @@ class YFinanceSource:
             # 将股票信息存储到 DataFrame.attrs 中（最外层结构）
             df.attrs['info'] = stock_info
             df.attrs['code'] = code
+            df.attrs['adj'] = 'raw'
             
             return df[['code', 'open', 'high', 'low', 'close', 'volume']]
             
@@ -114,41 +126,55 @@ class YFinanceSource:
             print(f"YFinance下载 {code} ({yf_code}) 失败: {e}")
             return None
 
-    def fetch_adj(self, code: str, start_date: str, end_date: str) -> Optional[pd.DataFrame]:
+    def fetch_adj(self, code: str, start_date: str, end_date: str, adj: str = 'qfq') -> Optional[pd.DataFrame]:
         """
         获取复权价格数据
         
-        使用 auto_adjust=True 获取复权后的价格
-        - 消除拆分(split)和分红(dividend)对价格的影响
-        - 适用于美股股票/ETF
+        统一 adj 参数设计：
+        - 'qfq': 前复权 → yfinance auto_adjust=True (当前价不变)
+        - 'hfq': 后复权 → yfinance back_adjust=True (历史价不变)
         
         Args:
-            code: 代码（如 'AAPL', 'TSLA', 'QQQ'）
+            code: 代码（如 'AAPL', 'TSLA', 'QQQ', '00700.HK'）
             start_date: 开始日期 'YYYY-MM-DD'
             end_date: 结束日期 'YYYY-MM-DD'
+            adj: 复权类型 'qfq'(前复权) 或 'hfq'(后复权)，默认 'qfq'
         
         Returns:
-            DataFrame with columns: date, open, high, low, close, volume (复权后)
+            DataFrame with columns: date, code, open, high, low, close, volume (复权后)
         """
         import yfinance as yf
         
+        if adj not in ['qfq', 'hfq']:
+            raise ValueError(f"adj 参数必须是 'qfq' 或 'hfq'，当前: {adj}")
+        
         # 添加延迟避免限流
         time.sleep(self._delay)
         
         # 转换代码格式
         yf_code = self.CODE_MAP.get(code, code)
         
+        # adj 参数映射到 yfinance 参数
+        # qfq(前复权) = auto_adjust=True, back_adjust=False (当前价不变)
+        # hfq(后复权) = auto_adjust=False, back_adjust=True (历史价不变)
+        adjust_params = {
+            'qfq': {'auto_adjust': True, 'back_adjust': False},
+            'hfq': {'auto_adjust': False, 'back_adjust': True},
+        }
+        
         try:
             ticker = yf.Ticker(yf_code)
             
             # end_date 需要加一天（yfinance的end是排他的）
             end_dt = datetime.strptime(end_date, "%Y-%m-%d") + timedelta(days=1)
             
-            # auto_adjust=True 获取复权价格
+            # 根据 adj 参数设置复权方式
+            params = adjust_params[adj]
             df = ticker.history(
                 start=start_date,
                 end=end_dt.strftime("%Y-%m-%d"),
-                auto_adjust=True
+                auto_adjust=params['auto_adjust'],
+                back_adjust=params['back_adjust']
             )
             
             if df is None or len(df) == 0:
@@ -170,12 +196,12 @@ class YFinanceSource:
             # 添加代码列和标记
             df["code"] = code
             df.attrs['code'] = code
-            df.attrs['adjusted'] = True
+            df.attrs['adj'] = adj
             
             return df[['code', 'open', 'high', 'low', 'close', 'volume']]
             
         except Exception as e:
-            print(f"YFinance下载复权数据 {code} ({yf_code}) 失败: {e}")
+            print(f"YFinance下载复权数据 {code} ({yf_code}) adj={adj} 失败: {e}")
             return None
 
     def is_yfinance_code(self, code: str) -> bool: