feat(visualization): 添加策略报告生成器

- 创建 visualization/report_generator 模块
- 支持生成精美的 HTML 策略报告
- 包含8个 KPI 指标卡片（收益、胜率、夏普比等）
- 集成 ECharts 交互式图表（净值曲线、月度收益、盈亏分布）
- 支持按日期和品种筛选调仓记录
- 使用 Jinja2 模板引擎 + Bootstrap 5 样式
- 支持打印为 PDF
- 提供 CLI 和 Python API 两种使用方式

visualization/report_generator/README.md

@@ -0,0 +1,144 @@
+# ETF轮动策略报告生成器
+
+生成精美的 HTML 策略报告，展示回测结果和关键指标。
+
+## 功能特性
+
+- ✅ **策略 KPI** - 累计收益、年化收益、胜率、夏普比率等
+- ✅ **净值曲线** - 交互式折线图，支持缩放和悬停
+- ✅ **月度收益** - 柱状图展示每月收益分布
+- ✅ **盈亏分布** - 饼图展示盈利/亏损比例
+- ✅ **品种排行** - 横向条形图展示各品种表现
+- ✅ **调仓记录** - 可按日期和品种筛选的交易明细表格
+- ✅ **现代化 UI** - 渐变色头部、卡片布局、响应式设计
+- ✅ **打印友好** - 支持直接打印为 PDF
+
+## 使用方法
+
+### 基础用法
+
+```bash
+# 生成完整报告
+python visualization/report_generator/generate_report.py
+
+# 指定时间区间
+python visualization/report_generator/generate_report.py --start 2024-01-01 --end 2024-12-31
+
+# 指定输出目录
+python visualization/report_generator/generate_report.py --output my_reports
+```
+
+### Python API 调用
+
+```python
+from visualization.report_generator.generate_report import ReportGenerator
+
+# 创建生成器
+generator = ReportGenerator(results_dir='results')
+
+# 生成报告
+output_file = generator.generate(
+    start_date='2024-01-01',
+    end_date='2024-12-31',
+    output_dir='reports'
+)
+
+print(f"报告已生成: {output_file}")
+```
+
+### 定时生成（可选）
+
+```bash
+# 添加到 crontab，每天生成一次
+0 9 * * * cd /path/to/etf && python visualization/report_generator/generate_report.py
+```
+
+## 依赖
+
+```bash
+pip install pandas numpy jinja2
+```
+
+## 文件结构
+
+```
+visualization/report_generator/
+├── template.html          # HTML 模板
+├── generate_report.py     # 报告生成脚本
+└── README.md             # 说明文档
+```
+
+## 输出示例
+
+生成的报告包含：
+
+1. **头部区域** - 报告标题和数据区间
+2. **KPI 卡片** - 8 个关键指标（收益、胜率、夏普比等）
+3. **净值曲线** - 带渐变填充的折线图
+4. **月度收益** - 红绿柱状图
+5. **盈亏分布** - 环形饼图
+6. **品种排行** - 横向条形图
+7. **调仓表格** - 支持筛选和打印
+
+## 自定义
+
+### 修改配色方案
+
+编辑 `template.html` 中的 CSS 变量：
+
+```css
+:root {
+    --primary-color: #1890ff;
+    --success-color: #52c41a;
+    --danger-color: #ff4d4f;
+}
+```
+
+### 添加新指标
+
+在 `generate_report.py` 的 `calculate_kpis()` 方法中添加：
+
+```python
+def calculate_kpis(self, trades_filtered):
+    # ... 现有代码 ...
+    
+    # 添加新指标
+    new_metric = ...
+    
+    return {
+        'total_return': ...,
+        'new_metric': new_metric,  # 新增
+        ...
+    }
+```
+
+然后在模板中使用：
+
+```html
+<div class="kpi-value">{{ new_metric }}</div>
+```
+
+## 技术栈
+
+- **模板引擎**: Jinja2
+- **图表库**: ECharts 5.4
+- **样式框架**: Bootstrap 5.3
+- **图标**: Bootstrap Icons
+
+## 注意事项
+
+1. 确保 `results/report_summary.csv` 和 `results/report_trades.csv` 存在
+2. 数据格式需符合预期（参考现有 CSV 文件）
+3. 生成的 HTML 文件可离线查看（ECharts 使用 CDN）
+4. 打印时筛选栏会自动隐藏
+
+## 示例输出
+
+```
+🚀 开始生成策略报告...
+✅ 数据加载成功: 1233 条交易记录
+📊 筛选后数据: 1233 条记录
+✅ 报告已生成: reports/strategy_report_20260508_210000.html
+📁 文件大小: 125.3 KB
+🌐 在浏览器中打开: file:///Users/aszer/Documents/vscode/etf/reports/strategy_report_20260508_210000.html
+```

visualization/report_generator/__init__.py

@@ -0,0 +1,7 @@
+"""
+ETF轮动策略报告生成器
+"""
+
+from .generate_report import ReportGenerator
+
+__all__ = ['ReportGenerator']

visualization/report_generator/generate_report.py

@@ -0,0 +1,259 @@
+"""
+ETF轮动策略报告生成器
+=======================
+从回测数据生成精美的 HTML 策略报告
+
+使用方法:
+    python generate_report.py
+    python generate_report.py --start 2024-01-01 --end 2024-12-31
+"""
+
+import pandas as pd
+import numpy as np
+from jinja2 import Template
+from datetime import datetime
+import argparse
+import os
+import sys
+
+
+class ReportGenerator:
+    """策略报告生成器"""
+    
+    def __init__(self, results_dir='results'):
+        self.results_dir = results_dir
+        self.summary_df = None
+        self.trades_df = None
+        
+    def load_data(self):
+        """加载回测数据"""
+        # 加载汇总数据
+        summary_path = os.path.join(self.results_dir, 'report_summary.csv')
+        if not os.path.exists(summary_path):
+            raise FileNotFoundError(f"找不到汇总数据文件: {summary_path}")
+        
+        self.summary_df = pd.read_csv(summary_path)
+        
+        # 转换百分比
+        for col in ['胜率', '平均收益', '累计收益', '最大单次收益', '最大单次亏损']:
+            if col in self.summary_df.columns:
+                self.summary_df[col] = self.summary_df[col].str.rstrip('%').astype(float)
+        
+        # 加载交易记录
+        trades_path = os.path.join(self.results_dir, 'report_trades.csv')
+        if not os.path.exists(trades_path):
+            raise FileNotFoundError(f"找不到交易记录文件: {trades_path}")
+        
+        self.trades_df = pd.read_csv(trades_path)
+        self.trades_df['进场日期'] = pd.to_datetime(self.trades_df['进场日期'])
+        self.trades_df['出场日期'] = pd.to_datetime(self.trades_df['出场日期'])
+        
+        print(f"✅ 数据加载成功: {len(self.trades_df)} 条交易记录")
+        
+    def calculate_kpis(self, trades_filtered=None):
+        """计算关键指标"""
+        df = trades_filtered if trades_filtered is not None else self.trades_df
+        
+        # 转换持仓收益为数值（去除百分号）
+        if df['持仓收益'].dtype == 'object':
+            df = df.copy()
+            df['持仓收益_num'] = df['持仓收益'].str.rstrip('%').astype(float)
+        else:
+            df = df.copy()
+            df['持仓收益_num'] = df['持仓收益']
+        
+        # 总收益
+        total_return = df['持仓收益_num'].sum()
+        
+        # 年化收益
+        days = (df['出场日期'].max() - df['出场日期'].min()).days
+        if days > 0:
+            annual_return = total_return / (days / 365.0)
+        else:
+            annual_return = 0
+        
+        # 胜率
+        win_count = (df['持仓收益_num'] > 0).sum()
+        total_count = len(df)
+        win_rate = (win_count / total_count * 100) if total_count > 0 else 0
+        loss_count = total_count - win_count
+        
+        # 夏普比率
+        daily_returns = df.groupby('出场日期')['持仓收益_num'].sum()
+        if daily_returns.std() > 0:
+            sharpe_ratio = daily_returns.mean() / daily_returns.std() * np.sqrt(252)
+        else:
+            sharpe_ratio = 0
+        
+        # 最大回撤（简化计算）
+        cum_returns = df['持仓收益_num'].cumsum()
+        running_max = cum_returns.cummax()
+        drawdown = (cum_returns - running_max)
+        max_drawdown = drawdown.min() if len(drawdown) > 0 else 0
+        
+        # 调仓次数
+        total_trades = len(df)
+        
+        # 最佳品种
+        symbol_returns = df.groupby('品种代码')['持仓收益_num'].sum()
+        best_symbol = symbol_returns.idxmax() if len(symbol_returns) > 0 else 'N/A'
+        
+        # 平均持仓天数
+        avg_holding_days = df['持仓天数'].mean() if len(df) > 0 else 0
+        
+        return {
+            'total_return': f"{total_return:.2f}",
+            'annual_return': f"{annual_return:.2f}",
+            'win_rate': f"{win_rate:.2f}",
+            'max_drawdown': f"{max_drawdown:.2f}",
+            'sharpe_ratio': f"{sharpe_ratio:.2f}",
+            'total_trades': str(total_trades),
+            'best_symbol': best_symbol,
+            'avg_holding_days': f"{avg_holding_days:.1f}",
+            'win_count': int(win_count),
+            'loss_count': int(loss_count)
+        }
+    
+    def prepare_chart_data(self, trades_filtered=None):
+        """准备图表数据"""
+        df = trades_filtered if trades_filtered is not None else self.trades_df
+        
+        # 转换持仓收益为数值
+        if df['持仓收益'].dtype == 'object':
+            df = df.copy()
+            df['持仓收益_num'] = df['持仓收益'].str.rstrip('%').astype(float)
+        else:
+            df = df.copy()
+            df['持仓收益_num'] = df['持仓收益']
+        
+        df_sorted = df.sort_values('出场日期')
+        
+        # 净值曲线数据
+        df_sorted['累计收益'] = df_sorted['持仓收益_num'].cumsum()
+        nav_values = df_sorted['累计收益'].tolist()
+        nav_dates = df_sorted['出场日期'].dt.strftime('%Y-%m-%d').tolist()
+        
+        # 月度收益数据
+        df_copy = df_sorted.copy()
+        df_copy['年月'] = df_copy['出场日期'].dt.to_period('M')
+        monthly = df_copy.groupby('年月')['持仓收益_num'].sum().reset_index()
+        monthly['年月_str'] = monthly['年月'].astype(str)
+        monthly_dates = monthly['年月_str'].tolist()
+        monthly_values = monthly['持仓收益_num'].round(2).tolist()
+        
+        # 品种收益排行
+        symbol_returns = df.groupby('品种代码')['持仓收益_num'].sum().sort_values()
+        symbol_names = []
+        symbol_returns_list = []
+        
+        for code, ret in symbol_returns.items():
+            name = self.summary_df[self.summary_df['品种代码'] == code]
+            if len(name) > 0:
+                symbol_names.append(name.iloc[0]['品种名称'])
+            else:
+                symbol_names.append(code)
+            symbol_returns_list.append(round(ret, 2))
+        
+        # 唯一品种列表
+        symbols = df['品种代码'].unique().tolist()
+        
+        return {
+            'nav_dates': nav_dates,
+            'nav_values': [round(v, 2) for v in nav_values],
+            'monthly_dates': monthly_dates,
+            'monthly_values': monthly_values,
+            'symbol_names': symbol_names,
+            'symbol_returns': symbol_returns_list,
+            'symbols': symbols
+        }
+    
+    def generate(self, start_date=None, end_date=None, output_dir='reports'):
+        """生成报告"""
+        print("🚀 开始生成策略报告...")
+        
+        # 加载数据
+        self.load_data()
+        
+        # 筛选数据
+        if start_date:
+            start_date = pd.to_datetime(start_date)
+        if end_date:
+            end_date = pd.to_datetime(end_date)
+        
+        trades_filtered = self.trades_df.copy()
+        if start_date:
+            trades_filtered = trades_filtered[trades_filtered['出场日期'] >= start_date]
+        if end_date:
+            trades_filtered = trades_filtered[trades_filtered['出场日期'] <= end_date]
+        
+        print(f"📊 筛选后数据: {len(trades_filtered)} 条记录")
+        
+        # 计算指标
+        kpis = self.calculate_kpis(trades_filtered)
+        chart_data = self.prepare_chart_data(trades_filtered)
+        
+        # 准备交易记录
+        trades_display = trades_filtered.copy()
+        trades_display['进场日期'] = trades_display['进场日期'].dt.strftime('%Y-%m-%d')
+        trades_display['出场日期'] = trades_display['出场日期'].dt.strftime('%Y-%m-%d')
+        trades_list = trades_display.to_dict('records')
+        
+        # 读取模板
+        template_path = os.path.join(os.path.dirname(__file__), 'template.html')
+        with open(template_path, 'r', encoding='utf-8') as f:
+            template = Template(f.read())
+        
+        # 渲染模板
+        html = template.render(
+            report_date=datetime.now().strftime('%Y-%m-%d %H:%M:%S'),
+            start_date=start_date.strftime('%Y-%m-%d') if start_date else trades_filtered['出场日期'].min().strftime('%Y-%m-%d'),
+            end_date=end_date.strftime('%Y-%m-%d') if end_date else trades_filtered['出场日期'].max().strftime('%Y-%m-%d'),
+            trades=trades_list,
+            **kpis,
+            **chart_data
+        )
+        
+        # 创建输出目录
+        os.makedirs(output_dir, exist_ok=True)
+        
+        # 保存报告
+        output_file = os.path.join(
+            output_dir,
+            f'strategy_report_{datetime.now().strftime("%Y%m%d_%H%M%S")}.html'
+        )
+        
+        with open(output_file, 'w', encoding='utf-8') as f:
+            f.write(html)
+        
+        print(f"✅ 报告已生成: {output_file}")
+        print(f"📁 文件大小: {os.path.getsize(output_file) / 1024:.1f} KB")
+        print(f"🌐 在浏览器中打开: file://{os.path.abspath(output_file)}")
+        
+        return output_file
+
+
+def main():
+    """主函数"""
+    parser = argparse.ArgumentParser(description='生成ETF轮动策略报告')
+    parser.add_argument('--start', type=str, help='开始日期 (YYYY-MM-DD)')
+    parser.add_argument('--end', type=str, help='结束日期 (YYYY-MM-DD)')
+    parser.add_argument('--output', type=str, default='reports', help='输出目录')
+    
+    args = parser.parse_args()
+    
+    try:
+        generator = ReportGenerator()
+        generator.generate(
+            start_date=args.start,
+            end_date=args.end,
+            output_dir=args.output
+        )
+    except Exception as e:
+        print(f"❌ 生成失败: {e}")
+        import traceback
+        traceback.print_exc()
+        sys.exit(1)
+
+
+if __name__ == '__main__':
+    main()