fix(core): 修复计算与数据对齐等多处逻辑问题

- 修正CAGR计算，去除NaN并检查起始值有效性以避免异常结果
- 优化混合数据源的数据对齐逻辑，使用配置结束日期与A股最新数据日期的较早者
- 计算因子时对齐A股交易日历，重新基于对齐价格计算日收益率，改进因子对齐准确度
- 轮动策略中跳过空信号，避免空信号影响持仓和调仓逻辑
- 调整信号处理，过滤空字符串和NaN，保证轮动信号数据有效性
- 多品种轮动持仓中加入空信号判断，避免无效信号导致错误
- 调整调仓明细和品种汇总保存逻辑，增加空文件创建以保证输出路径文件稳定生成
- 完善多处打印信息和注释，增强代码可读性与调试便利性

core/datasource/hybrid_source.py

@@ -639,18 +639,31 @@ class HybridDataSource:
             aggfunc='first'
         )
         
-        # 数据对齐策略：使用各标的能获取到的最新数据
-        # 以A股最新数据日期为基准，其他市场数据对齐到该日期
+        # 数据对齐策略：使用配置的日期范围，确保回测区间与配置一致
+        # 以A股最新数据日期或配置的end_date（取较早者）为基准
         
         # 获取A股最新数据日期
         china_codes = [c for c in valid_codes if self._is_china_index(c)]
         if china_codes:
-            a_share_latest = index_data[china_codes].dropna().index.max()
+            a_share_data_latest = index_data[china_codes].dropna().index.max()
         else:
             # 如果没有A股，使用所有数据的最早最新日期
-            a_share_latest = index_data.dropna().index.max()
+            a_share_data_latest = index_data.dropna().index.max()
         
-        print(f"  A股最新数据日期: {a_share_latest.strftime('%Y-%m-%d')}")
+        # 使用配置的end_date，但不超过数据的最新日期
+        config_end = pd.Timestamp(end_date)
+        a_share_latest = min(a_share_data_latest, config_end)
+        
+        print(f"  A股数据最新日期: {a_share_data_latest.strftime('%Y-%m-%d')}")
+        print(f"  配置结束日期: {config_end.strftime('%Y-%m-%d')}")
+        print(f"  实际使用日期: {a_share_latest.strftime('%Y-%m-%d')}")
+        
+        # 打印各标的的数据时间范围（用于调试）
+        print(f"\n  各标的数据时间范围:")
+        for code in valid_codes:
+            code_data = index_data[code].dropna()
+            if len(code_data) > 0:
+                print(f"    {code}: {code_data.index.min().strftime('%Y-%m-%d')} ~ {code_data.index.max().strftime('%Y-%m-%d')} ({len(code_data)}条)")
         
         # 获取A股交易日历（从start_date到a_share_latest）
         start_str = pd.Timestamp(start_date).strftime('%Y%m%d')