fix(datasource): yfinance时区标准化与NaN过滤修复

- yfinance_source.py: 用 tz_localize(None) 替代 pd.to_datetime(utc=True)，
  避免亚洲/欧洲市场因UTC转换导致日期回退一天（如日经225 5/25→5/24）
- yfinance_source.py: 新增 _normalize_index() 静态方法统一处理时区剥除
- yfinance_source.py: fetch() 增加 close=NaN 行过滤（yfinance未收盘日返回不完整数据）
- flask_api_source.py: 客户端同步增加 close=NaN 过滤防御

验证结果：N225 5/25-6/3 返回7个交易日数据，日期无偏移

datasource/flask_api_source.py

@@ -167,6 +167,15 @@ class FlaskAPIDataSource:
                     standard_cols = ['code'] + standard_cols
                 df = df[standard_cols]
                 
+                # 过滤 yfinance 返回的不完整数据（未收盘日 close=NaN, volume=0）
+                nan_count = df['close'].isna().sum()
+                if nan_count > 0:
+                    df = df.dropna(subset=['close'])
+                    actual_count = len(df)
+                    if actual_count == 0:
+                        print(f"⚠ {code}: 所有数据 close 均为 NaN")
+                        return None
+                
                 # 使用 API 返回的实际数据范围（而非请求参数）
                 actual_start = validated.date_range.start if validated.date_range else start_date
                 actual_end = validated.date_range.end if validated.date_range else end_date

datasource/yfinance_source.py

@@ -44,6 +44,25 @@ class YFinanceSource:
         self.use_ssh_tunnel = use_ssh_tunnel
         self._delay = 0.5  # 请求延迟（避免限流）
 
+    @staticmethod
+    def _normalize_index(index: pd.DatetimeIndex) -> pd.DatetimeIndex:
+        """
+        标准化日期索引，保留交易所本地日期
+        
+        yfinance 返回的时间戳带有交易所本地时区：
+        - 美股: 00:00-04:00 (US/Eastern)  → 剥 tz 后 00:00，日期不变
+        - 日本: 00:00+09:00 (Asia/Tokyo) → 剥 tz 后 00:00，日期不变
+        - 欧洲: 00:00+02:00 (CET)        → 剥 tz 后 00:00，日期不变
+        
+        关键：直接 tz_localize(None) 剥除时区，不做 UTC 转换。
+        错误示范：pd.to_datetime(idx, utc=True) 会先把日本 00:00+09:00 转成
+        前一天 15:00 UTC，导致日期回退一天。
+        """
+        if index.tz is not None:
+            # tz_localize(None) 直接剥除时区，保留本地时间部分
+            index = index.tz_localize(None)
+        return index.normalize()
+
     def fetch(self, code: str, start_date: str, end_date: str, adj: str = 'raw') -> Optional[pd.DataFrame]:
         """
         获取数据（支持 adj 参数）
@@ -108,10 +127,17 @@ class YFinanceSource:
                 "Volume": "volume",
             })
             
-            # 确保索引是日期格式
-            df.index = pd.to_datetime(df.index, utc=True).tz_localize(None).normalize()
+            # 确保索引是日期格式（保留交易所本地日期，避免 UTC 转换导致跨日偏移）
+            df.index = self._normalize_index(df.index)
             df.index.name = "date"
             
+            # 过滤 yfinance 返回的不完整数据（未收盘日 close=NaN, volume=0）
+            nan_mask = df['close'].isna()
+            if nan_mask.any():
+                df = df[~nan_mask]
+                if len(df) == 0:
+                    return None
+            
             # 添加代码列
             df["code"] = code
             
@@ -189,8 +215,8 @@ class YFinanceSource:
                 "Volume": "volume",
             })
             
-            # 确保索引是日期格式
-            df.index = pd.to_datetime(df.index, utc=True).tz_localize(None).normalize()
+            # 确保索引是日期格式（保留交易所本地日期，避免 UTC 转换导致跨日偏移）
+            df.index = self._normalize_index(df.index)
             df.index.name = "date"
             
             # 添加代码列和标记