feat: 新框架集成原引擎报告生成模块

新增 scripts/generate_legacy_report.py：
- 使用新框架运行回测
- 将数据格式转换为原引擎格式
- 调用原引擎 generate_performance_report 生成报告

输出文件：
- rotation_legacy_chart.png (净值曲线+回撤+持仓分布)
- rotation_legacy_metrics.json (策略指标JSON)
- rotation_legacy_nav.csv (净值曲线数据)

用法：python scripts/generate_legacy_report.py

scripts/generate_legacy_report.py

@@ -0,0 +1,164 @@
+#!/usr/bin/env python3
+"""
+使用新框架数据生成原引擎格式的报告
+
+用法:
+    python scripts/generate_legacy_report.py
+"""
+
+import os
+import sys
+import yaml
+import pandas as pd
+import numpy as np
+from pathlib import Path
+from dotenv import load_dotenv
+
+load_dotenv()
+
+# 添加项目根目录到 sys.path
+project_root = Path(__file__).parent.parent
+sys.path.insert(0, str(project_root))
+
+# 导入新框架
+from strategies.rotation.strategy import RotationStrategy
+
+# 导入原引擎报告生成模块
+archive_path = project_root / 'archive' / 'legacy_core'
+sys.path.insert(0, str(archive_path))
+from report import generate_performance_report
+from core.common.utils import calculate_cagr, calculate_max_drawdown, calculate_sharpe
+
+
+def run_with_legacy_report():
+    """运行新框架回测并生成原引擎格式报告"""
+    
+    # 加载配置
+    config_path = 'config/strategies/rotation.yaml'
+    with open(config_path, 'r', encoding='utf-8') as f:
+        config = yaml.safe_load(f)
+    
+    # 新框架回测
+    print("=" * 60)
+    print("        ETF轮动策略 回测系统 (新框架)")
+    print("=" * 60)
+    
+    strategy = RotationStrategy.from_yaml(config_path)
+    data = strategy.get_data()
+    
+    # 计算因子
+    print("\n计算因子...")
+    factor_df = strategy.compute_factors(data)
+    
+    # 生成信号
+    print("\n生成信号...")
+    signals = strategy.generate_signals(factor_df)
+    
+    # 执行回测
+    print("\n执行回测...")
+    result = strategy.run_backtest(data=data)
+    
+    # 准备原引擎格式的数据
+    backtest_result = result['result'].copy()
+    
+    if backtest_result is None:
+        print("回测失败，无法生成报告")
+        return
+    
+    # 重命名列以匹配原引擎格式
+    backtest_result['轮动策略净值'] = backtest_result['策略净值']
+    backtest_result['轮动策略日收益率'] = backtest_result['策略日收益率']
+    
+    # 1. 基准净值和基准日收益率
+    benchmark_data = data.get('benchmark_data')
+    if benchmark_data is not None and not benchmark_data.empty:
+        # 对齐基准数据到回测日期
+        benchmark_close = benchmark_data['close'] if 'close' in benchmark_data.columns else benchmark_data.iloc[:, 0]
+        benchmark_close_aligned = benchmark_close.reindex(backtest_result.index, method='ffill')
+        
+        # 计算基准净值
+        benchmark_nav = (1 + benchmark_close_aligned.pct_change()).cumprod()
+        benchmark_nav = benchmark_nav / benchmark_nav.dropna().iloc[0]  # 归一化起点为1
+        
+        backtest_result['基准净值'] = benchmark_nav.values
+        backtest_result['基准日收益率'] = benchmark_close_aligned.pct_change().values
+    
+    # 2. 各标的净值（指数价格）
+    index_close = data.get('index_close')
+    valid_codes = data['valid_codes']
+    
+    for code in valid_codes:
+        if index_close is not None and code in index_close.columns:
+            # 计算该标的的净值曲线
+            price_series = index_close[code].loc[backtest_result.index]
+            nav_series = (1 + price_series.pct_change()).cumprod()
+            nav_series = nav_series / nav_series.iloc[0] if nav_series.iloc[0] > 0 else nav_series
+            backtest_result[f'净值_{code}'] = nav_series.values
+            backtest_result[code] = price_series.values  # 当前价格
+    
+    # 3. 得分列（从factor_df获取）
+    for code in valid_codes:
+        if code in factor_df.columns:
+            scores_aligned = factor_df[code].reindex(backtest_result.index, method='ffill')
+            backtest_result[f'得分_{code}'] = scores_aligned.values
+    
+    # 4. 信号列（中文名）
+    backtest_result['信号'] = backtest_result['signal']
+    
+    # 构建code_name_map和code_config
+    code_config = config.get('code_list', {})
+    code_name_map = {code: cfg.get('name', code) for code, cfg in code_config.items()}
+    
+    # 准备ETF价格和净值数据（用于溢价率计算）
+    etf_data = data.get('etf_data')
+    etf_nav_data = data.get('etf_nav_data')
+    
+    # ETF数据需要用ETF代码作为列名
+    etf_price_data = None
+    etf_nav_data_raw = None
+    
+    if etf_data is not None:
+        # 转换列名：指数代码 -> ETF代码（通过etf_code_map）
+        etf_code_map = data.get('etf_code_map', {})
+        etf_price_data = pd.DataFrame(index=etf_data.index)
+        for idx_code, etf_code in etf_code_map.items():
+            if etf_code in etf_data.columns:
+                etf_price_data[idx_code] = etf_data[etf_code]
+    
+    if etf_nav_data is not None:
+        etf_nav_data_raw = pd.DataFrame(index=etf_nav_data.index)
+        for idx_code, etf_code in etf_code_map.items():
+            if etf_code in etf_nav_data.columns:
+                etf_nav_data_raw[idx_code] = etf_nav_data[etf_code]
+    
+    # 生成原引擎格式的报告
+    print("\n" + "=" * 60)
+    print("        生成原引擎格式报告")
+    print("=" * 60)
+    
+    save_path = 'results/rotation_legacy'
+    os.makedirs('results', exist_ok=True)
+    
+    metrics = generate_performance_report(
+        backtest_result=backtest_result,
+        code_list=valid_codes,
+        code_name_map=code_name_map,
+        benchmark_name=config.get('benchmark_name', '沪深300指数'),
+        save_path=save_path,
+        select_num=config.get('select_num', 3),
+        code_config=code_config,
+        index_data=index_close,
+        etf_price_data=etf_price_data,
+        etf_nav_data_raw=etf_nav_data_raw,
+    )
+    
+    print(f"\n报告文件已生成:")
+    print(f"  - {save_path}_chart.png")
+    print(f"  - {save_path}_metrics.json")
+    print(f"  - {save_path}_nav.csv")
+    
+    return metrics
+
+
+if __name__ == '__main__':
+    run_with_legacy_report()