refactor(datasource): 分层接口设计，移除HybridDataSource

架构改动:
- 移除 HybridDataSource（功能被 UniversalDataFetcher 覆盖）
- 新增分层接口设计：基础层 + 扩展层

基础层（统一接口）:
- fetch(): 统一 OHLCV 接口，自动识别资产类型
- fetch_batch(): 批量获取

扩展层（资产类型特有）:
- fetch_etf_adj(): A股 ETF 后复权价格
- fetch_us_adj(): 美股复权价格
- fetch_etf_with_nav(): ETF 价格 + 净值 + 溢价率

其他修改:
- YFinanceSource: 新增 fetch_adj() 方法
- strategy.py: 改用 UniversalDataFetcher 替代 HybridDataSource
- __init__.py: 移除 HybridDataSource 导出

datasource/__init__.py

@@ -4,22 +4,27 @@
 核心数据获取能力：
 - A股数据：Tushare（指数、ETF、期货）
 - 境外数据：YFinance（港股、美股）通过SSH隧道
+- 加密货币：CCXT（OKX）通过 socks2http
 
 架构设计：
-- 分层架构：对外统一接口，对内各资产类型独立实现
+- 分层架构：基础层统一接口，扩展层资产类型特有方法
 - Flask API：LRU + TTL 双缓存机制
 
 用法:
-    from datasource import UniversalDataFetcher, AssetType
+    from datasource import UniversalDataFetcher
     
+    # 基础层：统一 OHLCV 接口
     fetcher = UniversalDataFetcher()
     df = fetcher.fetch("000300.SH", "2024-01-01", "2024-12-31")
+    
+    # 扩展层：资产类型特有方法
+    df_adj = fetcher.fetch_etf_adj("513100.SH", ...)   # ETF 后复权
+    df_adj = fetcher.fetch_us_adj("AAPL", ...)         # 美股复权
 """
 
 from .ssh_tunnel import SSHTunnelManager
 from .tushare_source import TushareSource
 from .yfinance_source import YFinanceSource
-from .hybrid_source import HybridDataSource
 from .asset_type_detector import AssetTypeDetector, AssetType
 from .universal_fetcher import UniversalDataFetcher
 
@@ -27,7 +32,6 @@ __all__ = [
     'SSHTunnelManager',
     'TushareSource',
     'YFinanceSource',
-    'HybridDataSource',
     'AssetTypeDetector',
     'AssetType',
     'UniversalDataFetcher',

datasource/hybrid_source.py

@@ -1,301 +0,0 @@
-"""
-混合数据源
-
-整合 Tushare（A股） + YFinance（境外）数据获取
-"""
-
-import os
-import time
-from typing import Optional, Tuple, Dict, List
-from datetime import datetime
-from pathlib import Path
-import pandas as pd
-
-from .ssh_tunnel import SSHTunnelManager
-from .tushare_source import TushareSource
-from .yfinance_source import YFinanceSource
-
-
-class HybridDataSource:
-    """
-    混合数据源
-    
-    - A股指数/ETF/期货: Tushare
-    - 港股/美股/商品: YFinance（通过SSH隧道）
-    
-    使用方式:
-        from datasource import HybridDataSource
-        
-        source = HybridDataSource.from_yaml('strategies/rotation/config.yaml')
-        result = source.fetch_all()
-    """
-
-    def __init__(
-        self,
-        ssh_config: Optional[dict] = None,
-        use_cache: bool = True,
-        cache_dir: str = "data/etf_cache/daily"
-    ):
-        """
-        初始化混合数据源
-        
-        Args:
-            ssh_config: SSH隧道配置
-            use_cache: 是否使用缓存
-            cache_dir: 缓存目录
-        """
-        self.ssh_config = ssh_config or {}
-        self.use_cache = use_cache
-        self.cache_dir = cache_dir
-        
-        # 数据源实例
-        self._tushare = TushareSource()
-        self._yfinance = YFinanceSource()
-        
-        # SSH隧道（延迟初始化）
-        self._tunnel: Optional[SSHTunnelManager] = None
-
-    @classmethod
-    def from_yaml(cls, config_path: str) -> 'HybridDataSource':
-        """从YAML配置创建实例"""
-        import yaml
-        
-        with open(config_path, 'r', encoding='utf-8') as f:
-            config = yaml.safe_load(f)
-        
-        return cls(
-            ssh_config=config.get('ssh_tunnel', {}),
-            use_cache=config.get('use_cache', True)
-        )
-
-    def _start_tunnel(self) -> bool:
-        """启动SSH隧道"""
-        if self._tunnel is None and self.ssh_config.get('enabled'):
-            self._tunnel = SSHTunnelManager(self.ssh_config)
-            return self._tunnel.start()
-        return True
-
-    def _stop_tunnel(self):
-        """停止SSH隧道"""
-        if self._tunnel:
-            self._tunnel.stop()
-            self._tunnel = None
-
-    def fetch_single(self, code: str, start_date: str, end_date: str) -> Optional[pd.DataFrame]:
-        """
-        获取单个标的数据
-        
-        Args:
-            code: 标的代码
-            start_date: 开始日期
-            end_date: 结束日期
-        
-        Returns:
-            DataFrame with OHLCV data
-        """
-        # 判断数据源
-        if self._tushare.is_china_index(code) or self._tushare.is_futures(code):
-            return self._tushare.fetch(code, start_date, end_date)
-        else:
-            # YFinance需要SSH隧道
-            self._start_tunnel()
-            return self._yfinance.fetch(code, start_date, end_date)
-
-    def fetch_all(
-        self,
-        code_config: dict,
-        benchmark_code: str = "000300.SH",
-        start_date: str = "2019-01-01",
-        end_date: str = None
-    ) -> Tuple[
-        Optional[pd.DataFrame],   # index_data: 指数收盘价（宽格式）
-        Optional[pd.DataFrame],   # etf_data: ETF价格（宽格式）
-        Optional[pd.DataFrame],   # etf_nav_data: ETF净值
-        Optional[pd.DataFrame],   # benchmark_data: 基准数据
-        List[str],                # valid_codes: 有效代码列表
-        Dict[str, pd.DataFrame],  # index_ohlcv_data: 原始OHLCV数据
-        Dict[str, str]            # etf_code_map: {指数代码: ETF代码} 映射
-    ]:
-        """
-        批量获取数据
-        
-        Args:
-            code_config: 标的配置 {代码: {name, etf, market}}
-            benchmark_code: 基准代码
-            start_date: 开始日期
-            end_date: 结束日期
-        
-        Returns:
-            (index_data, etf_data, etf_nav_data, benchmark_data, valid_codes, index_ohlcv_data, etf_code_map)
-        """
-        if end_date is None:
-            end_date = datetime.now().strftime('%Y-%m-%d')
-        
-        # 启动SSH隧道
-        self._start_tunnel()
-        
-        index_codes = list(code_config.keys())
-        etf_codes = {idx_code: cfg['etf'] for idx_code, cfg in code_config.items() if cfg.get('etf')}
-        
-        print(f"开始下载 {len(index_codes)} 只标的的数据...")
-        print(f"  指数代码: {len(index_codes)} 只")
-        print(f"  ETF映射: {len(etf_codes)} 只")
-        
-        # 分类统计
-        china_codes = [c for c in index_codes if self._tushare.is_china_index(c)]
-        futures_codes = [c for c in index_codes if self._tushare.is_futures(c)]
-        yf_codes = [c for c in index_codes if not self._tushare.is_china_index(c) and not self._tushare.is_futures(c)]
-        
-        print(f"  中国A股指数: {len(china_codes)} 只")
-        print(f"  期货合约: {len(futures_codes)} 只")
-        print(f"  港股/美股: {len(yf_codes)} 只")
-        
-        # 下载指数数据
-        print("\n  [1/2] 下载指数数据...")
-        index_data_list = []
-        index_ohlcv_data = {}
-        valid_codes = []
-        
-        for code in index_codes:
-            name = code_config[code].get('name', code)
-            source = "Tushare" if self._tushare.is_china_index(code) or self._tushare.is_futures(code) else "YFinance"
-            
-            print(f"    下载 {code} ({name}) - {source}...", end=" ")
-            
-            data = self.fetch_single(code, start_date, end_date)
-            
-            if data is not None and len(data) > 0:
-                # 标准化
-                data = data.copy()
-                data['source'] = source
-                data['code'] = code
-                data.index = pd.to_datetime(data.index, utc=True).tz_localize(None).normalize()
-                
-                index_ohlcv_data[code] = data.copy()
-                index_data_list.append(data[['code', 'close', 'source']])
-                valid_codes.append(code)
-                print(f"✓ {len(data)} 条")
-            else:
-                print("✗ 无数据")
-        
-        # 下载ETF数据
-        etf_data_list = []
-        etf_nav_data_list = []
-        
-        if etf_codes:
-            print("\n  [2/2] 下载ETF数据...")
-            
-            for idx_code, etf_code in etf_codes.items():
-                name = code_config[idx_code].get('name', idx_code)
-                
-                print(f"    下载ETF {etf_code} (对应指数 {idx_code})...", end=" ")
-                
-                # ETF价格
-                etf_data = self._tushare.fetch_etf(etf_code, start_date, end_date)
-                
-                # ETF净值
-                etf_nav = self._tushare.fetch_etf_nav(etf_code, start_date, end_date)
-                
-                if etf_data is not None and len(etf_data) > 0:
-                    etf_data.index = pd.to_datetime(etf_data.index, utc=True).tz_localize(None).normalize()
-                    etf_data_list.append(etf_data[['code', 'close']])
-                    
-                    price_count = len(etf_data)
-                    nav_count = len(etf_nav) if etf_nav is not None else 0
-                    
-                    print(f"✓ 价格{price_count}条 净值{nav_count}条")
-                else:
-                    print("✗ 无数据")
-                
-                if etf_nav is not None and len(etf_nav) > 0:
-                    etf_nav.index = pd.to_datetime(etf_nav.index, utc=True).tz_localize(None).normalize()
-                    etf_nav_data_list.append(etf_nav[['code', 'nav']])
-        
-        # 整合数据
-        index_data = None
-        if index_data_list:
-            index_data = pd.concat(index_data_list)
-            if 'code' in index_data.columns and 'close' in index_data.columns:
-                index_data = index_data.reset_index()
-                if 'index' in index_data.columns:
-                    index_data = index_data.rename(columns={'index': 'date'})
-                index_data['date'] = pd.to_datetime(index_data['date']).dt.normalize()
-                index_data = index_data.pivot_table(index='date', columns='code', values='close')
-        
-        etf_data = None
-        if etf_data_list:
-            etf_data = pd.concat(etf_data_list)
-            if 'code' in etf_data.columns and 'close' in etf_data.columns:
-                etf_data = etf_data.reset_index()
-                if 'index' in etf_data.columns:
-                    etf_data = etf_data.rename(columns={'index': 'date'})
-                etf_data['date'] = pd.to_datetime(etf_data['date']).dt.normalize()
-                etf_data = etf_data.pivot_table(index='date', columns='code', values='close')
-        
-        etf_nav_data = None
-        if etf_nav_data_list:
-            etf_nav_data = pd.concat(etf_nav_data_list)
-            if 'code' in etf_nav_data.columns and 'nav' in etf_nav_data.columns:
-                etf_nav_data = etf_nav_data.reset_index()
-                if 'index' in etf_nav_data.columns:
-                    etf_nav_data = etf_nav_data.rename(columns={'index': 'date'})
-                etf_nav_data['date'] = pd.to_datetime(etf_nav_data['date']).dt.normalize()
-                etf_nav_data = etf_nav_data.pivot_table(index='date', columns='code', values='nav')
-        
-        # 基准数据
-        benchmark_data = self._tushare.fetch_index(benchmark_code, start_date, end_date)
-        if benchmark_data is not None:
-            benchmark_data.index = pd.to_datetime(benchmark_data.index, utc=True).tz_localize(None).normalize()
-            print(f"\n✓ 基准 {benchmark_code}: {len(benchmark_data)} 条")
-        
-        return index_data, etf_data, etf_nav_data, benchmark_data, valid_codes, index_ohlcv_data, etf_codes
-
-    def __enter__(self):
-        self._start_tunnel()
-        return self
-
-    def __exit__(self, exc_type, exc_val, exc_tb):
-        self._stop_tunnel()
-
-
-# 简化接口
-def fetch_rotation_data(config_path: str = "strategies/rotation/config.yaml") -> dict:
-    """
-    获取轮动策略数据（简化接口）
-    
-    Args:
-        config_path: 配置文件路径
-    
-    Returns:
-        {
-            'index_data': 指数收盘价DataFrame,
-            'etf_data': ETF价格DataFrame,
-            'etf_nav_data': ETF净值DataFrame,
-            'benchmark_data': 基准DataFrame,
-            'valid_codes': 有效代码列表,
-            'index_ohlcv_data': 原始OHLCV数据字典
-        }
-    """
-    import yaml
-    
-    with open(config_path, 'r', encoding='utf-8') as f:
-        config = yaml.safe_load(f)
-    
-    source = HybridDataSource.from_yaml(config_path)
-    
-    index_data, etf_data, etf_nav_data, benchmark_data, valid_codes, index_ohlcv_data = \
-        source.fetch_all(
-            code_config=config.get('code_list', {}),
-            benchmark_code=config.get('benchmark', {}).get('code', '000300.SH'),
-            start_date=config.get('start_date', '2019-01-01'),
-            end_date=config.get('end_date', datetime.now().strftime('%Y-%m-%d'))
-        )
-    
-    return {
-        'index_data': index_data,
-        'etf_data': etf_data,
-        'etf_nav_data': etf_nav_data,
-        'benchmark_data': benchmark_data,
-        'valid_codes': valid_codes,
-        'index_ohlcv_data': index_ohlcv_data
-    }

datasource/universal_fetcher.py

@@ -456,3 +456,63 @@ class UniversalDataFetcher:
     def is_supported(self, code: str) -> bool:
         """判断是否支持该代码"""
         return AssetTypeDetector.detect(code) != AssetType.UNKNOWN
+    
+    # ============================================================
+    # 扩展层：资产类型特有方法（复权/净值/溢价率）
+    # ============================================================
+    
+    def fetch_etf_adj(
+        self,
+        code: str,
+        start_date: str,
+        end_date: str
+    ) -> Optional[pd.DataFrame]:
+        """
+        获取 A股 ETF 后复权价格
+        
+        通过 fund_daily + fund_adj 手动计算后复权价格
+        - 消除份额折算（拆分）对收益率的影响
+        - 适用于计算真实收益率
+        
+        Args:
+            code: ETF代码，如 '159915.SZ', '513100.SH'
+            start_date: 开始日期 'YYYY-MM-DD'
+            end_date: 结束日期 'YYYY-MM-DD'
+        
+        Returns:
+            DataFrame with columns: date, open, close, adj_factor, close_hfq
+        
+        示例:
+            # 纳指ETF后复权（正确计算收益率）
+            df = fetcher.fetch_etf_adj("513100.SH", "2020-01-01", "2024-12-31")
+            # 使用 close_hfq 计算收益率，而非 close
+        """
+        return self._tushare.fetch_etf_adj(code, start_date, end_date)
+    
+    def fetch_us_adj(
+        self,
+        code: str,
+        start_date: str,
+        end_date: str
+    ) -> Optional[pd.DataFrame]:
+        """
+        获取美股复权价格
+        
+        使用 YFinance auto_adjust=True
+        - 消除拆分(split)和分红(dividend)对价格的影响
+        - 适用于美股股票/ETF
+        
+        Args:
+            code: 美股代码，如 'AAPL', 'TSLA', 'QQQ'
+            start_date: 开始日期 'YYYY-MM-DD'
+            end_date: 结束日期 'YYYY-MM-DD'
+        
+        Returns:
+            DataFrame with columns: date, open, high, low, close, volume (复权后)
+        
+        示例:
+            # 苹果复权价格（包含分红和拆分调整）
+            df = fetcher.fetch_us_adj("AAPL", "2020-01-01", "2024-12-31")
+        """
+        self._start_tunnel()
+        return self._yfinance.fetch_adj(code, start_date, end_date)

datasource/yfinance_source.py

@@ -114,6 +114,70 @@ 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]:
+        """
+        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
+        
+        Args:
+            code: 代码（如 'AAPL', 'TSLA', 'QQQ'）
+            start_date: 开始日期 'YYYY-MM-DD'
+            end_date: 结束日期 'YYYY-MM-DD'
+        
+        Returns:
+            DataFrame with columns: date, open, high, low, close, volume (复权后)
+        """
+        import yfinance as yf
+        
+        # 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)
+        
+        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
+            df = ticker.history(
+                start=start_date,
+                end=end_dt.strftime("%Y-%m-%d"),
+                auto_adjust=True
+            )
+            
+            if df is None or len(df) == 0:
+                return None
+            
+            # 标准化列名
+            df = df.rename(columns={
+                "Open": "open",
+                "High": "high",
+                "Low": "low",
+                "Close": "close",
+                "Volume": "volume",
+            })
+            
+            # 确保索引是日期格式
+            df.index = pd.to_datetime(df.index, utc=True).tz_localize(None).normalize()
+            df.index.name = "date"
+            
+            # 添加代码列和标记
+            df["code"] = code
+            df.attrs['code'] = code
+            df.attrs['adjusted'] = True
+            
+            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}")
+            return None
+
     def is_yfinance_code(self, code: str) -> bool:
         """判断是否需要YFinance获取"""
         # 非A股代码

strategies/rotation/strategy.py

@@ -5,6 +5,7 @@
 """
 
 import pandas as pd
+import numpy as np
 import yaml
 from datetime import datetime
 from pathlib import Path
@@ -113,7 +114,7 @@ class RotationStrategy(StrategyBase):
         
         Args:
             use_flask_api: 是否使用 Flask API 服务获取数据（默认 True）
-                           False 则使用本地 HybridDataSource
+                           False 则使用本地 UniversalDataFetcher
         """
         code_list_config = self.config.get('code_list', {})
         benchmark_config = self.config.get('benchmark', {})
@@ -237,6 +238,12 @@ class RotationStrategy(StrategyBase):
                 index_close_dict[code] = df['close']
         index_close = pd.DataFrame(index_close_dict) if index_close_dict else None
         
+        # 获取 A 股 SSE 官方交易日历
+        from datasource.tushare_source import TushareSource
+        tushare = TushareSource()
+        a_share_dates = tushare.fetch_trade_cal(self.start_date, self.end_date)
+        print(f"A股交易日历: {len(a_share_dates)} 天")
+        
         return {
             'index_data': index_ohlcv_data,  # 原始 OHLCV 数据 {code: DataFrame}
             'index_close': index_close,       # 对齐后的收盘价（宽格式）
@@ -245,7 +252,8 @@ class RotationStrategy(StrategyBase):
             'etf_premium_data': etf_premium_data,  # ETF 溢价率数据 {code: dict}
             'benchmark_data': benchmark_data, # 基准收盘价 Series
             'valid_codes': valid_codes,       # 有效指数代码列表
-            'etf_code_map': etf_code_map      # {指数代码: ETF代码} 映射
+            'etf_code_map': etf_code_map,     # {指数代码: ETF代码} 映射
+            'a_share_dates': a_share_dates    # A股SSE交易日历
         }
     
     def _get_data_from_local(
@@ -253,33 +261,90 @@ class RotationStrategy(StrategyBase):
         code_list_config: dict,
         benchmark_code: str
     ) -> dict:
-        """使用本地 HybridDataSource 获取数据"""
+        """使用本地 UniversalDataFetcher 获取数据"""
-        from datasource import HybridDataSource
+        from datasource import UniversalDataFetcher
+        from datasource.tushare_source import TushareSource
         
         ssh_config = self.config.get('ssh_tunnel', {})
         
-        data_source = HybridDataSource(
+        fetcher = UniversalDataFetcher(
             ssh_config=ssh_config,
             use_cache=self.config.get('use_cache', True)
         )
         
-        # 调用 fetch_all
+        index_codes = list(code_list_config.keys())
-        index_data, etf_data, etf_nav_data, benchmark_data, valid_codes, index_ohlcv_data, etf_code_map = \
+        etf_code_map = {idx_code: cfg['etf'] for idx_code, cfg in code_list_config.items() if cfg.get('etf')}
-            data_source.fetch_all(
+        
-                code_config=code_list_config,
+        # 获取指数数据
-                benchmark_code=benchmark_code,
+        index_ohlcv_data = {}
-                start_date=self.start_date,
+        valid_codes = []
-                end_date=self.end_date
+        
-            )
+        with fetcher:  # 使用上下文管理器自动管理 SSH 隧道
+            for code in index_codes:
+                data = fetcher.fetch(code, self.start_date, self.end_date)
+                if data is not None and len(data) > 0:
+                    index_ohlcv_data[code] = data
+                    valid_codes.append(code)
+                    print(f"✓ {code}: {len(data)} 条")
+                else:
+                    print(f"✗ {code}: 无数据")
+        
+        # 构建宽格式收盘价
+        index_close = None
+        if index_ohlcv_data:
+            close_list = []
+            for code, df in index_ohlcv_data.items():
+                close_df = df[['close']].copy()
+                close_df.columns = [code]
+                close_list.append(close_df)
+            index_close = pd.concat(close_list, axis=1)
+        
+        # 获取 ETF 数据
+        etf_data = None
+        etf_nav_data = None
+        
+        tushare = TushareSource()
+        
+        if etf_code_map:
+            etf_price_list = []
+            etf_nav_list = []
+            
+            for idx_code, etf_code in etf_code_map.items():
+                # ETF 价格
+                etf_df = tushare.fetch_etf(etf_code, self.start_date, self.end_date)
+                if etf_df is not None and len(etf_df) > 0:
+                    etf_df = etf_df[['close']].copy()
+                    etf_df.columns = [etf_code]
+                    etf_price_list.append(etf_df)
+                
+                # ETF 净值
+                nav_df = tushare.fetch_etf_nav(etf_code, self.start_date, self.end_date)
+                if nav_df is not None and len(nav_df) > 0:
+                    nav_df = nav_df[['nav']].copy()
+                    nav_df.columns = [etf_code]
+                    etf_nav_list.append(nav_df)
+            
+            if etf_price_list:
+                etf_data = pd.concat(etf_price_list, axis=1)
+            if etf_nav_list:
+                etf_nav_data = pd.concat(etf_nav_list, axis=1)
+        
+        # 基准数据
+        benchmark_data = tushare.fetch_index(benchmark_code, self.start_date, self.end_date)
+        
+        # A股交易日历
+        a_share_dates = tushare.fetch_trade_cal(self.start_date, self.end_date)
+        print(f"A股交易日历: {len(a_share_dates)} 天")
         
         return {
             'index_data': index_ohlcv_data,  # 原始OHLCV数据
-            'index_close': index_data,       # 对齐后的收盘价（宽格式）
+            'index_close': index_close,      # 对齐后的收盘价（宽格式）
             'etf_data': etf_data,
             'etf_nav_data': etf_nav_data,
             'benchmark_data': benchmark_data,
             'valid_codes': valid_codes,
-            'etf_code_map': etf_code_map     # {指数代码: ETF代码} 映射
+            'etf_code_map': etf_code_map,    # {指数代码: ETF代码} 映射
+            'a_share_dates': a_share_dates   # A股SSE交易日历
         }
     
     def compute_factors(self, data: dict) -> pd.DataFrame:
@@ -290,17 +355,20 @@ class RotationStrategy(StrategyBase):
         index_data = data['index_data']
         valid_codes = data['valid_codes']
         
-        # 获取A股交易日历作为基准（使用已有的对齐后数据索引）
+        # 获取 A 股 SSE 官方交易日历（优先使用已获取的）
-        index_close = data.get('index_close')
+        a_share_dates = data.get('a_share_dates')
-        if index_close is not None:
+        if a_share_dates is None or len(a_share_dates) == 0:
-            a_share_dates = index_close.index
+            # 回退：使用已有的对齐后数据索引
-        else:
+            index_close = data.get('index_close')
-            for code in valid_codes:
+            if index_close is not None:
-                if code.endswith('.SH') or code.endswith('.SZ') or code.endswith('.CSI'):
+                a_share_dates = index_close.index
-                    a_share_dates = index_data[code].index
-                    break
             else:
-                a_share_dates = index_data[valid_codes[0]].index
+                for code in valid_codes:
+                    if code.endswith('.SH') or code.endswith('.SZ') or code.endswith('.CSI'):
+                        a_share_dates = index_data[code].index
+                        break
+                else:
+                    a_share_dates = index_data[valid_codes[0]].index
         
         factor_values = {}
         final_valid_codes = []
@@ -408,8 +476,15 @@ class RotationStrategy(StrategyBase):
         # 4. 执行回测
         print("\n执行回测...")
         
-        # 获取A股交易日历（从因子数据索引）
+        # 获取 A 股 SSE 官方交易日历（优先使用已获取的）
-        a_share_dates = signals.index
+        a_share_dates = data.get('a_share_dates')
+        if a_share_dates is None or len(a_share_dates) == 0:
+            a_share_dates = signals.index
+        
+        # 将信号对齐到 A 股日历
+        if a_share_dates is not signals.index:
+            signals = signals.reindex(a_share_dates, method='ffill').dropna(subset=[signals.columns[0]])
+            print(f"  信号对齐到A股日历: {len(signals)} 天")
         
         # 计算日收益率：先在原始交易日历计算，再对齐到A股日历
         # 关键：与因子计算逻辑一致，避免交易日不对齐导致收益率NaN