fix: 报告生成器数据对齐修复

修复内容：
1. 指数价格获取改用index_data而非index_close
   - 原问题：index_close对齐后N225最后几天的值为nan
   - 修复：从原始OHLCV获取close，用ffill填充缺失值

2. ETF净值数据对齐到回测日期
   - 原问题：etf_nav_data索引与backtest_result不对齐
   - 修复：用reindex(backtest_result.index, method='ffill')

3. ETF价格数据同样对齐到回测日期

修复后报告显示：
- 日经225指数最新价: 62713.65（原为nan）
- 创业板指溢价率: +3.70%⚠️
- 日经225溢价率: +0.85%

scripts/generate_legacy_report.py

@@ -83,18 +83,33 @@ def run_with_legacy_report():
         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')
+    # 2. 各标的净值（指数价格）- 使用index_data而非index_close
+    # index_close可能对齐有问题，直接从index_data获取
+    index_data = data.get('index_data')
     valid_codes = data['valid_codes']
     
     for code in valid_codes:
-        if index_close is not None and code in index_close.columns:
+        if index_data is not None and code in index_data:
+            # 从原始OHLCV数据获取close价格
+            price_df = index_data[code]
+            if 'close' in price_df.columns:
+                price_series = price_df['close']
+            else:
+                price_series = price_df.iloc[:, 0]  # 取第一列
+            
+            # 对齐到回测日期
+            price_aligned = price_series.reindex(backtest_result.index, method='ffill')
+            
+            # 处理最后几天的NaN（用最后一个有效值填充）
+            price_aligned = price_aligned.ffill()  # 前向填充剩余NaN
+            
             # 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
+            nav_series = (1 + price_aligned.pct_change()).cumprod()
+            first_valid = nav_series.dropna().iloc[0] if len(nav_series.dropna()) > 0 else 1
+            nav_series = nav_series / first_valid  # 归一化起点为1
+            
             backtest_result[f'净值_{code}'] = nav_series.values
-            backtest_result[code] = price_series.values  # 当前价格
+            backtest_result[code] = price_aligned.values  # 当前价格
     
     # 3. 得分列（从factor_df获取）
     for code in valid_codes:
@@ -119,17 +134,24 @@ def run_with_legacy_report():
     
     if etf_data is not None:
         # 转换列名：指数代码 -> ETF代码（通过etf_code_map）
+        # 并对齐到回测日期
         etf_code_map = data.get('etf_code_map', {})
-        etf_price_data = pd.DataFrame(index=etf_data.index)
+        etf_price_data = pd.DataFrame(index=backtest_result.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]
+                # 对齐ETF价格数据到回测日期
+                price_aligned = etf_data[etf_code].reindex(backtest_result.index, method='ffill')
+                etf_price_data[idx_code] = price_aligned.values
     
     if etf_nav_data is not None:
-        etf_nav_data_raw = pd.DataFrame(index=etf_nav_data.index)
+        # ETF净值数据列名是ETF代码，需要用etf_code_map映射
+        # 并对齐到回测日期
+        etf_nav_data_raw = pd.DataFrame(index=backtest_result.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]
+                # 对齐净值数据到回测日期（使用ffill处理日期差异）
+                nav_aligned = etf_nav_data[etf_code].reindex(backtest_result.index, method='ffill')
+                etf_nav_data_raw[idx_code] = nav_aligned.values
     
     # 生成原引擎格式的报告
     print("\n" + "=" * 60)
@@ -139,6 +161,9 @@ def run_with_legacy_report():
     save_path = 'results/rotation_legacy'
     os.makedirs('results', exist_ok=True)
     
+    # 获取index_close用于报告图表绘制
+    index_close = data.get('index_close')
+    
     metrics = generate_performance_report(
         backtest_result=backtest_result,
         code_list=valid_codes,