fix(strategy): 修复收益率计算交易日不对齐问题

问题: 指数数据使用各市场原始交易日，直接pct_change导致大量NaN
修复: 先在原始交易日历计算收益率，再用ffill对齐到A股日历
效果: 收益从44.55%恢复到11961.88%(年化15.7%，26年周期)

strategies/rotation/strategy.py

@@ -406,25 +406,25 @@ class RotationStrategy(StrategyBase):
         # 4. 执行回测
         print("\n执行回测...")
         
-        # 获取指数收盘价数据（用于收益计算）
-        index_close = data.get('index_close')
+        # 获取A股交易日历（从因子数据索引）
+        a_share_dates = signals.index
         
-        # 计算日收益率（使用指数数据，可从2000年开始）
-        # ETF数据仅用于报告显示溢价率，不参与收益计算
-        if index_close is not None and not index_close.empty:
-            returns_df = index_close.pct_change()
-            returns_df.columns = [f'日收益率_{col}' for col in returns_df.columns]
-        else:
-            # 回退：从index_data提取收盘价
-            returns_data = {}
-            for code in valid_codes:
-                if code in index_data:
-                    df = index_data[code]
-                    returns_data[f'日收益率_{code}'] = df['close'].pct_change(fill_method=None)
-            returns_df = pd.DataFrame(returns_data)
-            if valid_codes:
-                first_code = valid_codes[0]
-                returns_df.index = index_data[first_code].index
+        # 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
+        returns_data = {}
+        for code in valid_codes:
+            if code in index_data:
+                df = index_data[code]
+                # 提取原始收盘价序列
+                if 'close' in df.columns:
+                    close_series = df['close'].dropna()
+                    # 先在原始交易日历计算收益率
+                    returns_series = close_series.pct_change(fill_method=None)
+                    # 然后对齐到A股交易日历（用ffill填充非共同交易日）
+                    returns_aligned = returns_series.reindex(a_share_dates, method='ffill')
+                    returns_data[f'日收益率_{code}'] = returns_aligned
+        
+        returns_df = pd.DataFrame(returns_data)
         
         # 确保信号和收益率数据日期对齐
         common_dates = signals.index.intersection(returns_df.index)