feat(v2): 增强框架核心功能与ETF复权修复

- 修复 end_date=None 导致 Flask API 返回错误时间范围的 bug
  * strategy.py: 自动使用今天日期作为 end_date
  * 验证：回测区间从 77 天恢复到 1539 天

- ETF 收益计算从原始价格改为后复权价格
  * flask_api_fetcher.py: adj='raw' → adj='hfq'
  * 自动处理 ETF 份额拆分事件，确保收益率准确

- V2 简单版添加 A 股交易日过滤
  * simple.py: 获取 SSE 交易日历，过滤非交易日
  * 验证：1999 天 → 1539 天（与 V1 一致）

- 配置严格对齐 V1 config.yaml
  * config_simple.yaml: start_date 从 2020-01-01 改为 2020-01-10
  * group 字段值严格映射 V1 的 market 字段

关键验证：
- V2 简单版回测：1539 天，981.95% 收益（未计入交易成本）
- V2 正式版回测：1539 天，135.63% 收益（已计入交易成本）
- V1 旧版框架：1539 天，103.29% 收益（基准）

framework_v2/strategies/rotation/simple.py

@@ -173,6 +173,42 @@ class SimpleRotationStrategy(StrategyBase):
         
         return positions
     
+    def _get_trading_calendar(self) -> pd.DatetimeIndex:
+        """
+        获取 A 股交易日历
+        
+        Returns:
+            A 股交易日历 DatetimeIndex
+        """
+        from datetime import date
+        
+        # 获取回测区间
+        start = self.config.backtest.start_date
+        end = self.config.backtest.end_date
+        if end is None:
+            end = date.today().strftime('%Y-%m-%d')
+        
+        # 创建临时数据获取器来获取交易日历
+        if self._data_fetcher is None:
+            self._data_fetcher = self._create_data_fetcher()
+        
+        try:
+            # 调用 get_trading_calendar 方法
+            calendar = self._data_fetcher.get_trading_calendar(
+                market='A',
+                start=start,
+                end=end
+            )
+            print(f"  [日历] A 股交易日: {len(calendar)} 天 ({calendar[0]} ~ {calendar[-1]})")
+            return calendar
+        except Exception as e:
+            print(f"  [警告] 无法获取 A 股交易日历，使用所有日期: {e}")
+            # 降级方案：使用 pandas 生成工作日
+            from pandas.tseries.offsets import BDay
+            start_dt = pd.Timestamp(start)
+            end_dt = pd.Timestamp(end)
+            return pd.date_range(start=start_dt, end=end_dt, freq='B')  # 工作日
+    
     def _execute_backtest(self, positions: pd.DataFrame, data: Dict[str, pd.DataFrame]) -> Dict[str, any]:
         """
         执行回测
@@ -181,6 +217,7 @@ class SimpleRotationStrategy(StrategyBase):
         1. 使用 signal_source 计算信号（positions 的 columns 是 signal_source）
         2. 使用 trade_source 计算收益（通过 signal→trade 映射）
         3. T+1 执行：今天的信号明天生效
+        4. 过滤非交易日：只保留 A 股交易日
         
         Args:
             positions: 仓位 DataFrame（columns=signal_source）
@@ -206,6 +243,17 @@ class SimpleRotationStrategy(StrategyBase):
         # 计算收益率
         returns = close_df.pct_change()
         
+        # 获取 A 股交易日历并过滤
+        print("\n  [过滤] 获取 A 股交易日历...")
+        trading_calendar = self._get_trading_calendar()
+        
+        # 过滤到 A 股交易日
+        original_days = len(returns)
+        returns = returns[returns.index.isin(trading_calendar)]
+        positions = positions[positions.index.isin(trading_calendar)]
+        filtered_days = len(returns)
+        print(f"  [过滤] 原始数据: {original_days} 天 -> A 股交易日: {filtered_days} 天 (过滤 {original_days - filtered_days} 天)")
+        
         # 计算策略收益（仓位加权）
         # 注意：T+1 执行，今天的信号明天生效
         positions_delayed = positions.shift(1).fillna(0)